PAN-CANCER AI: integrarea datelor histologice şi genomice creşte acurateţea determinării prognosticului pacienţilor cu cancer
Un nou model bazat pe inteligență artificială integrează datele histopatologice și moleculare pentru a stabili cu acuratețe ridicată prognosticul pacienților cu cancer, conform unui studiu publicat în Cancer Cell. Algoritmul multimodal a fost validat pe date provenind de la pacienți cu 14 tipuri de cancer, precizia rezultatelor oferite fiind superioară modelelor unimodale. Suplimentar, acest algoritm poate să depisteze noi caracteristici morfologice și funcționale care se corelează cu prognosticul. Studiul a avut loc în cadrul Mahmood Lab, Brigham and Women’s Hospital, iar datele pacienţilor au provenit de la NIH Genomic Data Commons Data Portal.
Tumorile maligne sunt definite de o serie de caracteristici heterogene histopatologice, genomice și transcriptomice, fiecare dintre acestea având o contribuție la răspunsul la terapie și prognosticul pacientului. În clinică, unele dintre aceste tipuri de date sunt utilizate pentru a stabili riscul de deces al unui pacient oncologic, însă integrarea manuală a multitudinii de informaţii disponibile reprezintă o provocare, iar evaluarea prognosticului este influenţată de factori subiectivi. Majoritatea modelelor de inteligență artificială dezvoltate până în prezent pentru stabilirea prognosticului se bazează fie pe datele histologice, fie pe cele genomice, fără a le integra.
Pentru a dezvolta un algoritm multimodal (deep-learning-based multimodal fusion algorithm, MMF) care utilizează date din diferite surse pentru stabilirea riscului de deces al pacientului, au fost construite iniţial modele separate pentru datele histologice şi genomice, care apoi au fost unite. Modelul multimodal a fost validat pe datele provenind de la 5700 de pacienţi cu 14 tipuri de cancer, utilizând imagini de histopatologie (whole-slide) și profilul molecular (statusul mutațional, variațiile numărului de copii, expresia ARN-ului). Caracteristicile morfologice și moleculare care se corelează cu prognosticul pacientului au fost analizate atât la nivel de boală, cât și de pacient. Acurateţea prognosticului stabilit cu ajutorul algoritmului multimodal a fost superioară celei obţinute prin utilizarea modelelor unimodale.
Algoritmul dezvoltat a inclus automat şi alte caracteristici pentru a stabili prognosticul, pe care nu a fost programat anterior să le ia în considerare, precum răspunsul imun al pacientului. Diverse studii au concluzionat anterior că un răspuns imun puternic tinde să se asocieze cu un prognostic favorabil. Acest tip de date generate sunt confirmate de literatură științifică, astfel că algoritmul MMF a putut identifica numeroase oncogene și gene implicate în răspunsul imun cunoscute a fi relevante și care sunt țintite de diverse terapii. Datele moleculare au avut cea mai mare contribuție la stabilirea riscului prin noul algoritm.
Datele au fost încărcate pe o platformă open-access (Pathology-Omics Research Platform for Integrative Survival Estimation, PORPOISE) pentru a contribui la descoperirea de noi biomarkeri şi investigarea aprofundată a caracteristicilor care se asociază cu un prognostic favorabil sau nefavorabil.
Acest studiu reprezintă un prim pas pentru implementarea modelelor multimodale de prognostic la nivel clinic. Algoritmul trebuie validat pe seturi de date mai mari de la pacienţi, iar apoi în studii clinice. Modelul poate fi dezvoltat în continuare pentru a include mai multe tipuri de date, precum rezultatele la investigațiile radiologice, istoricul medical familial, istoricul medical personal al pacientului.
Citeşte şi:
- STUDIU. Bolile genetice ar putea fi diagnosticate în mai puțin de 24 de ore cu ajutorul unui sistem bazat pe inteligență artificială
- #EAU18: Un sistem de inteligență artificială diagnostichează cancerul de prostată cu o precizie de 99,38%
- STUDIU. Evaluarea caracterului malign al nodulilor pulmonari identificați la examinarea CT poate fi optimizată folosind un algoritm bazat pe inteligență artificială