人工智能有助于發(fā)現(xiàn)新的乳腺癌預后生物標志物

凱斯西儲大學的科學家們已經(jīng)使用人工智能 (AI) 來識別乳腺癌的新生物標志物，這些生物標志物可以預測癌癥在治療后是否會復發(fā)——并且可以從常規(guī)獲得的早期乳腺癌組織活檢樣本中進行識別。

最初確定的關鍵是膠原蛋白，這是一種遍及全身(包括乳房組織)的常見蛋白質(zhì)。先前的研究表明，膠原蛋白網(wǎng)絡或纖維的排列與乳腺癌的侵襲性密切相關。但 Case Western Reserve 研究人員的這項工作明確證明了膠原蛋白的關鍵作用——僅使用標準組織活檢載玻片和 AI。

研究人員使用機器學習技術(shù)分析了來自乳腺癌患者的數(shù)字化組織樣本數(shù)據(jù)集，能夠證明有序排列的膠原蛋白是侵襲性腫瘤和可能復發(fā)的關鍵預后生物標志物。

相反，他們表明，無序或損壞的膠原蛋白基礎設施不僅表明更好的結(jié)果，而且實際上促進了結(jié)果。他們還發(fā)現(xiàn)，無序的膠原蛋白網(wǎng)絡可防止其他侵襲性腫瘤從乳腺組織中遷移出來，并有助于防止其在化療等各種癌癥治療后復發(fā)。

“這聽起來違反直覺，但膠原纖維在腫瘤遷移中發(fā)揮作用，”凱斯西儲大學唐奈爾研究所生物醫(yī)學工程教授兼計算成像和個性化診斷中心 (CCIPD) 負責人 Anant Madabhushi 說。“理解它的一種方法是說，如果膠原蛋白‘高速公路’的形狀很糟糕，腫瘤就更難遷移，但如果它光滑有序，則腫瘤更容易搭便車。”

博士生Haojia Li領導了這項研究，該研究發(fā)表在npj Breast Cancer雜志上。其他作者包括凱斯西儲醫(yī)學院人口與定量健康科學教授付平富，以及來自多個機構(gòu)的其他人。

簡單的組織切片，復雜的計算

李說這個項目很重要，因為：

它驗證了其他已發(fā)表研究的結(jié)果，這些研究表明高度組織的膠原蛋白表明預后較差。

它是通過這些簡單組織切片的數(shù)字化圖像完成的，這表明這種方法可以成為病理學家日常工作的一部分。

目前用于檢查和研究膠原結(jié)構(gòu)的方法需要昂貴且不太常見的電子顯微鏡。

“我們的方法將使更多的醫(yī)生和沒有資源配備先進成像顯微鏡的醫(yī)院更容易預測結(jié)果，”李說。“這就是為什么這如此令人興奮——因為它可以為醫(yī)生提供他或她需要的信息，以指導如何積極地治療癌癥。”

計算工作于 2020 年完成，基于常規(guī)組織樣本的數(shù)據(jù)集，稱為 H&E(蘇木精和伊紅)染色載玻片，取自診斷為早期雌激素受體陽性 (ER+) 乳腺癌的患者。

標簽： 乳腺癌