Un model bazat pe inteligență artificială prezice recidiva glioblastomului pentru tratamente personalizate
Un nou model bazat pe inteligență artificială poate prezice cu exactitate unde este cel mai probabil ca glioblastomul să revină după intervenția chirurgicală inițială, oferind astfel medicilor oportunitatea de a interveni înainte ca tumora să devină vizibilă pe RMN.
Glioblastomul reprezintă cel mai frecvent tip de tumoră malignă a creierului la adulți și este, de asemenea, cel mai letal, având o medie de supraviețuire de aproximativ 17 luni după diagnosticare. Chiar și după ce chirurgii îndepărtează întreaga tumoră vizibilă și pacienții urmează tratamente postoperatorii, cancerul revine aproape întotdeauna.
O echipă de cercetători de la UC San Francisco și Universitatea din Michigan a dezvoltat o abordare bazată pe inteligență artificială care poate prezice, cu un grad ridicat de precizie, unde este probabil să apară prima recidivă. În cazul glioblastomului, majoritatea pacienților experimentează recidiva în apropierea cavității tumorale.
Rezultatele, publicate pe 25 septembrie în Science Advances și susținute de Institutele Naționale de Sănătate, ar putea permite medicilor să utilizeze tratamente țintite în aceste zone înainte ca o nouă tumoră să devină vizibilă pe RMN.
„Sistemul are un potențial incredibil de a oferi neurochirurgilor orientări valoroase în timp real în timpul îndepărtării tumorii”, a declarat autorul principal, Sanjeev Herr. „De asemenea, poate genera informații care să ghideze deciziile de tratament ulterioare.”
Aceste tratamente ar putea include îndepărtarea de țesut suplimentar în timpul intervenției chirurgicale inițiale, atunci când acest lucru este sigur, a adăugat Shawn Hervey-Jumper. „Pacienții cu boala în părți ale creierului care nu pot fi îndepărtate pot beneficia de alte tratamente țintite la locurile prezise ale progresiei, cum ar fi radiații focalizate de doze mai mari sau medicamente infuzate direct în tumoră, printr-un cateter plasat prin craniu.”
Cercetătorii au analizat mostre de țesut colectate în timpul intervențiilor chirurgicale de glioblastom la pacienții UCSF Health, pentru care timpul mediu până la recidivă a fost de 5,5 luni. Aceștia au dezvoltat modelul lor folosind aproximativ 300 de mostre de la 60 de pacienți și l-au testat separat pe aproximativ 100 de mostre de la alți 20 de pacienți.
Echipa a utilizat o tehnică numită histologie Raman stimulată (SRH), care produce imagini microscopice ale țesutului proaspăt, neprocesat, în mai puțin de un minut. Patologia convențională necesită procesarea țesutului cu coloranți și pete, ceea ce durează mai mult și este mai laborios.
Apoi, imaginile au fost analizate cu ajutorul sistemului AI FastGlioma, dezvoltat de cercetătorii de la UCSF și Universitatea din Michigan. Sistemul evaluează țesutul în funcție de infiltrarea tumorii.
Acel scor AI a avut o performanță similară cu cea a patologiei convenționale în predicția zonelor care ar dezvolta ulterior tumori recidivante. Însă, atunci când cercetătorii au combinat scorul AI cu datele clinice, imagistice și moleculare, au descoperit că cel mai performant model a fost semnificativ mai capabil să facă distincția între locurile care ar dezvolta sau nu recidive. Măsura AI a infiltrării tumorii a fost, de asemenea, cel mai puternic predictor individual al recidivei în cinci din cele șase modele, oferind mai multe informații predictive decât caracteristicile moleculare ale tumorii.
Cercetătorii au testat, de asemenea, cât de precis putea modelul să identifice locul unde ar putea apărea recidiva. Modelul a avut rezultate bune în prezicerea dacă cancerul ar reveni în termen de 5 sau 10 milimetri de țesutul care a fost prelevat.
Echipa a ales prima recidivă deoarece pacienții primesc adesea tratamente experimentale mai târziu în evoluția bolii, ceea ce poate influența creșterea tumorii, făcând recidivele ulterioare mai dificile de prezis cu acuratețe. „Scopul general a fost să întârziem prima recidivă”, a declarat coautorul senior Todd Hollon. „În cele din urmă, sperăm că extinderea acestui interval ar putea traduce în supraviețuire mai lungă.”
