肺がん: 専門家はどの患者が再発のリスクが高いかを予測できますか?

新しい画像技術と人工知能を併用すると、がん患者の転帰を改善できる可能性があることが研究で明らかになりました。 写真/123rf

肺がん患者の治療は、再発のリスクに関係なく、誰にとっても同じです。 AI と組み合わせた新しいテクノロジーを使用することで、診断を精度良く行うことができる可能性があります。

肺がんによる死亡者数は、乳がん、結腸がん、前立腺がんの合計よりも多くなっています。

の進歩により、 肺がん検診より多くの患者が早期に診断され、早期患者の主な治療法である手術を受けられるようになると予想されている。

しかし、かなりの割合の患者が切除（腫瘍を除去する手術）後にがんが再発します。 残念ながら、現在の臨床ガイドラインでは、どの患者がリスクにさらされているかを予測することはできません。 誰がリスクにさらされているかについての知識が深まることは、手術後の早期肺がん患者に対する化学療法などの全身療法の選択に重要な意味を持ちます。

広告NZME で広告を掲載します。

この問題の解決策を見つけるために、マギル大学の研究グループはラヴァル大学と協力してプロジェクトを立ち上げました。 予備的な結果は Nature に掲載されました。 私たちの研究では、新しい画像技術と人工知能を併用することでがん患者の転帰を改善できる可能性があることを発見しました。

現在の臨床ガイドラインでは、どの患者が再びがんになるリスクがあるかを予測することはできません。 写真/123rf

介入が多すぎる、または少なすぎる

この臨床的ジレンマは、化学療法などの治療法の選択に重要な影響を及ぼします。 例えば、手術で治癒した肺がん患者は、感染を免れる可能性がある。 化学療法の毒性。 がんが再発するリスクがある患者は、追加の治療介入によって恩恵を受ける可能性があります。

早期肺がん患者の再発を予測するという課題は、毎年この恐ろしい病気と診断される 31,000 人のカナダ人にとって重要な意味を持ちます。

マスサイトメトリーイメージング

この臨床問題に対処するために、腫瘍微小環境の包括的な特性評価を可能にする新しい技術であるイメージングマスサイトメトリー (IMC) を使用しました。

広告NZME で広告を掲載します。

腫瘍微小環境は、腫瘍細胞、免疫細胞、およびさまざまな構造細胞間の相互作用で構成される複雑な生態系です。 IMC を使用すると、細胞表面で最大 50 個のマーカーを視覚化できます。これは、これまで可能であったよりも大幅に多くなります。

この技術により、さまざまな種類の細胞を識別し、それらの空間構成、つまり細胞がどのように相互作用するかを決定することが可能になります。 IMC は、細胞部分集団の頻度、その活性化状態、相互作用する他の細胞タイプ、および細胞群集におけるそれらの組織を決定するために分析できる画像を生成します。

『Nature』誌に掲載された我々の研究結果は、さまざまな種類の細胞が細胞群集で相互作用する可能性があり、B細胞で構成される群集が長期にわたる細胞群と強く関連していることを明らかにした。 肺がん患者の生存率。 私たちの研究は、細胞周波数を超えて、細胞相互作用と空間構成も生存などの重要な臨床転帰と強く相関していることを強調しています。

イメージングマスサイトメトリーと AI により、さまざまな種類の細胞を識別し、それらの空間構成、つまり細胞がどのように相互作用するかを決定することが可能になります。 写真/123rf

人工知能を使用してより適切な予測を行う

私たちの最初の結果に基づいて、細胞相互作用などの IMC 画像に埋め込まれた重要な空間的特徴が臨床転帰の予測に重要である可能性があると仮説を立てました。

416 人の患者と 160 万を超える細胞からなる当社のデータセットは、人工知能を使用して予測を行うのに十分な力を提供しました。 私たちは、どの早期肺がん患者が手術後にがんを再発するかを予測しようとしました。

外科的切除または生検から容易に入手できる材料である 1 mm2 の腫瘍サンプルを使用して、 人工知能アルゴリズム IMC 画像と組み合わせて予測を行います。 私たちのアルゴリズムは、画像内に含まれる空間情報を使用して、どの患者ががん再発を経験するかを 95% の精度で予測することができました。

6 つのマーカーが大きな違いを生みます

私たちの結果を臨床現場に適用する際の課題の 1 つは、IMC がすぐに利用できないことです。 臨床病理学者は通常、免疫蛍光などのそれほど複雑ではない技術を使用しますが、多くの場合、マーカーの数は 3 つ以下に限定されます。

この課題に対処するために、我々は、手術後の肺がん患者の再発について有意義な予測を行うために必要な最小限のマーカーを特定しようと努めました。 6 つのマーカーを使用することで、93 パーセントの正解率が得られました。これは、35 つのマーカーを使用した場合に得られる 95 パーセントの正解率に近い結果です。

これらの結果は、病院で利用可能な既存のテクノロジーと人工知能の力を活用することで、早期肺がん患者の術後の臨床管理を改善できる可能性があることを示唆しています。 私たちの最終目標は、手術で治癒できる患者に対する毒性を最小限に抑えながら、がん再発リスクの高い患者の治癒率を高めることです。

Mark Sorin は、マギル大学の医学博士課程の学生であり、肺がんの研究者です。 ローガン・ウォルシュは、マギル大学人類遺伝学部の助教授です。

広告NZME で広告を掲載します。

この記事はから転載されています 会話 クリエイティブ・コモンズ・ライセンスに基づいて。 読む 原著。

1708390648
#肺がん #専門家はどの患者が再発のリスクが高いかを予測できますか
2024-02-20 00:32:35