研究者らは、組織病理学画像を使用して、膵臓がんの最も一般的な形態である膵管腺がん (PDAC) を分子サブタイプに分類する深層学習モデルの開発に成功しました。このアプローチは高い精度を達成し、高価な分子アッセイに依存する現在の方法に代わる、迅速でコスト効率の高い代替手段を提供します。での新しい研究 アメリカ病理学ジャーナルエルゼビア社が発行したこの本は、個別化された治療戦略を推進し、患者の転帰を改善することが期待されています。
最近、カナダと米国では PDAC が乳がんを上回り、がん死亡の第 3 位となっています。早期に発見されれば、PDAC 症例の約 5 分の 1 は手術で治癒できます。これらの患者には外科的介入が行われますが、5年生存率は20％にとどまります。患者の約 80% は診断時にすでに転移性疾患を発症しており、これらの患者のほとんどは 1 年以内に死亡します。
PDAC の攻撃性は、シーケンス技術を使用して患者のケア計画を決定する際に、大きな課題となります。この病気の臨床的悪化は急速であるため、標的療法の対象者を特定し、臨床試験に参加させるための迅速な行動が求められています。しかし、現在の分子プロファイリングの所要時間は、生検時から 19 日から 52 日の範囲であり、これらの時間に敏感な需要を満たすには至っていません。
ブリティッシュコロンビア大学、バンクーバー総合病院、ブリティッシュコロンビア州膵臓センターの病理学・検査医学科の共同主任研究員デビッド・シェーファー医師は、「膵臓がん患者の治療を個別化するために実用化できる可能性のあるサブタイプがますます発見されている。ただし、サブタイピングは依然として組織から抽出された DNA および RNA に基づくゲノム方法論に完全に基づいていますが、この方法論は十分な組織が存在する場合に優れていますが、与えられた PDAC 腫瘍では必ずしも当てはまりません。この臓器の解剖学的位置が難しいため、私たちの研究は、ルーチンのヘマトキシリン・エオシン染色スライドに基づいて、PDAC 分子のサブタイプをコスト効率よく迅速に分類する有望な方法を提供し、この疾患のより効果的な臨床管理につながる可能性があります。」
この研究では、ヘマトキシリンおよびエオシン（H&E）で染色したスライドを使用して、PDAC の分子サブタイプ（基底様および古典的）を識別するために、スライド全体の病理画像でディープラーニング AI モデルをトレーニングすることが含まれていました。 H&E 染色は、費用対効果が高く、広く利用可能な技術であり、診断と予後を目的として病理学研究室で迅速な所要時間で日常的に行われています。モデルは、The Cancer Genome Atlas (TCGA) の 97 枚のスライドでトレーニングされ、ローカル コホートの 44 人の患者からの 110 枚のスライドでテストされました。最もパフォーマンスの高いモデルは、TCGA データセットの古典的サブタイプと基底サブタイプの識別で 96.19%、ローカル コホートで 83.03% の精度を達成し、さまざまなデータセットにわたるその堅牢性を強調しました。
ブリティッシュコロンビア大学生物医工学部病理学検査医学科の共同主任研究員であるアリ・バシャシャティ博士は、「モデルの感度と特異度はそれぞれ85%と100%であり、このAIツールを実現しました」と述べています。また、この研究の主な成果は、AI モデルが生検画像からサブタイプを検出でき、現場で導入できる非常に有用なツールとなったことです。診断の時です。」
Bashashati 博士は、「この AI ベースのアプローチは、膵臓がんの診断に刺激的な進歩をもたらし、重要な分子サブタイプを迅速かつコスト効率よく特定できるようになります。」と結論付けています。
#AIベースの膵臓がん診断ツール