Blog
AI在手術中即時解碼腦瘤DNA，以實現實時診斷
AI在手術中即時解碼腦瘤DNA，以實現實時診斷
July 10, 2023
研究摘要：
科學家已經開發出一種名為CHARM的AI工具，該工具可以在手術過程中迅速識別腦瘤的分子特徵，而這個過程通常需要幾天甚至幾週的時間。這項進展可能有助於神經外科醫生在切除組織的程度和可能的現場治療方案等關鍵決策上做出判斷。這個工具仍需要臨床驗證和FDA的批准，但其開發代表了一次朝實時精準腫瘤學的重大跨越。
除了在手術室中，了解腫瘤的分子類型也可以提供關於其可能的侵襲性和對治療的反應等重要的見解。
關鍵事實：
CHARM是一種AI工具，能夠在手術過程中解碼腦瘤的DNA，提供實時的分子診斷，從而指導手術決策。
目前，人眼無法可靠地在組織切片中檢測到微妙的基因變異；CHARM克服了這個限制，能夠以93%的準確率識別特定的分子突變。
雖然開發CHARM的目的是為了鑒別胶質瘤，但研究人員認為該工具可以重新訓練，以識別其他類型的腦癌，從而突顯其在癌症診斷中的潛在多功能性。
來源：哈佛大學
科學家們已經設計出一種AI工具，可以在手術過程中快速解碼腦瘤的DNA，以確定其在手術過程中的分子身份 - 這是一種重要的信息，目前的方法需要幾天甚至幾週的時間才能得出。
知道腫瘤的分子類型可以使神經外科醫生決定切除多少腦組織，並且是否將滅腫瘤藥物直接放入腦部 - 這些都是在病人仍在手術台上的時候就可以做出的決定。
這項由哈佛醫學院的研究人員主導的報告已於7月7日在Med雜誌上發表。
在手術過程中進行精確的分子診斷 - 這涉及到細胞中的DNA變異 - 可以幫助神經外科醫生決定切除多少腦組織。
當腫瘤較不侵襲性時，切除過多可能會影響病人的神經和認知功能。同樣，當腫瘤高度侵襲性時，切除太少可能會留下惡性組織，這些組織可以快速生長和擴散。
研究的高級作者Kun-Hsing Yu博士說：“目前，即使是最先進的臨床實踐也無法在手術過程中對腫瘤進行分子分析。我們的工具克服了這個挑戰，從冷凍的病理切片中提取了至今為止未被利用的生物醫學信號。”
在手術過程中知道腫瘤的分子身份也是有價值的，因為某些腫瘤可以從手術時直接在腦中放置藥物塗層的樹脂片中獲益，Yu說。
Yu補充道：“能夠在手術過程中實時確定分子診斷，有助於推動實時精準腫瘤學的發展。”
現在使用的標準術中診斷方法是取出腦組織，冷凍它，並在顯微鏡下檢查。
一個主要的缺點是冷凍組織往往會改變細胞在顯微鏡下的外觀，並可能干擾臨床評估的準確性。
此外，即使使用強力的顯微鏡，人眼也無法可靠地在切片上檢測到微妙的基因變異。
這種新的AI方法克服了這些挑戰。
這個名為CHARM（Cryosection Histopathology Assessment and Review Machine，冷凍切片組織病理學評估和審查機器）的工具，可以供其他研究人員免費使用。研究團隊表示，在該工具可以在醫院中使用之前，仍需要通過在現實環境中的測試進行臨床驗證，並獲得FDA的批准。
破解癌症的分子代碼
近期在基因組學的進展已經讓病理學家能夠區分各種類型的腦癌以及特定類型腦癌中的分子特徵 - 並且預測這些特徵所代表的行為。
例如，胶質瘤 - 這是最侵襲性的腦瘤和最常見的腦癌形式 - 有三個主要的亞類型，它們帶有不同的分子標記，並有不同的生長和擴散傾向。
這個新工具能夠加速分子診斷的能力，尤其在那些有限訪問進行快速癌症基因測序技術的地區，可能特別有價值。
超越手術期間做出的決定，對腫瘤的分子類型的了解提供了關於其侵襲性、行為和對各種治療的可能反應的線索。這種知識可以影響術後決策。
此外，這個新工具使得術中診斷與世界衛生組織最近更新的對於診斷和分級胶質瘤嚴重程度的分類系統相一致，該系統要求根據腫瘤的基因組概述來做出這些診斷。
訓練CHARM
CHARM的開發使用了來自1,524名胶質瘤患者的2,334個腦瘤樣本，這些患者來自三個不同的患者群體。在對從未見過的一組腦樣本進行測試時，該工具以93%的準確度識別出帶有特定分子突變的腫瘤，並成功分類了三種具有不同分子特徵的主要類型的胶質瘤，這些特徵携帶不同的預後並對治療有不同的反應。
進一步而言，該工具成功捕捉了惡性細胞周圍組織的視覺特徵。它能夠在樣本中找出具有更大細胞密度和更多細胞死亡的明顯區域，這兩種特徵都是胶質瘤更侵襲性類型的信號。
該工具還能夠在一個低級別胶質瘤的子集中，準確地找出臨床上重要的分子變化，這種胶質瘤的子類型較不侵襲，因此較不可能侵犯周圍的組織。每一種這樣的變化也都代表不同的生長、擴散和治療反應的傾向。
該工具進一步將細胞的外觀 - 它們的核的形狀、細胞周圍的水腫的存在 - 與腫瘤的分子概述連接起來。這意味著該算法可以確定一個細胞的外觀如何與腫瘤的分子類型相關聯。這種能夠評估圖像周圍更廣泛環境的能力使模型更準確，並且更接近人類病理學家視覺評估腫瘤樣本的方式，Yu說。
研究人員表示，雖然該模型是在胶質瘤樣本上訓練和測試的，但它可能成功地被重新訓練以識別其他腦癌亞型。
科學家已經設計了AI模型來對其他類型的癌症進行分析 - 結腸、肺、乳房 - 但是由於其分子的複雜性和腫瘤細胞的形狀和外觀的巨大變異，胶質瘤一直尤其具有挑戰性。
CHARM工具必須定期重新訓練，以反映新的疾病分類，因為它們是從新的知識中產生的，Yu說。
“就像必須參與持續教育和訓練的人類醫生一樣，AI工具必須跟上最新的知識，以保持最佳的表現。”
共同投資者包括MacLean P. Nasrallah、Junhan Zhao、Cheng Che Tsai、David Meredith、Eliana Marostica、Keith L. Ligon和Jeffrey A. Golden。
此項工作部分得到國家一般醫學科學研究所的R35GM142879獎助、Google Research Scholar獎助、Blavatnik Center for Computational Biomedicine獎助、Partners Innovation Discovery獎助，以及Schlager家族早期數字健康創新獎助的支持。
新聞原址： AI Decodes Brain Tumor DNA During Surgery for Real-Time Diagnosis - Neuroscience News
科學家已經開發出一種名為CHARM的AI工具，該工具可以在手術過程中迅速識別腦瘤的分子特徵，而這個過程通常需要幾天甚至幾週的時間。這項進展可能有助於神經外科醫生在切除組織的程度和可能的現場治療方案等關鍵決策上做出判斷。這個工具仍需要臨床驗證和FDA的批准，但其開發代表了一次朝實時精準腫瘤學的重大跨越。
除了在手術室中，了解腫瘤的分子類型也可以提供關於其可能的侵襲性和對治療的反應等重要的見解。
關鍵事實：
CHARM是一種AI工具，能夠在手術過程中解碼腦瘤的DNA，提供實時的分子診斷，從而指導手術決策。
目前，人眼無法可靠地在組織切片中檢測到微妙的基因變異；CHARM克服了這個限制，能夠以93%的準確率識別特定的分子突變。
雖然開發CHARM的目的是為了鑒別胶質瘤，但研究人員認為該工具可以重新訓練，以識別其他類型的腦癌，從而突顯其在癌症診斷中的潛在多功能性。
來源：哈佛大學
科學家們已經設計出一種AI工具，可以在手術過程中快速解碼腦瘤的DNA，以確定其在手術過程中的分子身份 - 這是一種重要的信息，目前的方法需要幾天甚至幾週的時間才能得出。
知道腫瘤的分子類型可以使神經外科醫生決定切除多少腦組織，並且是否將滅腫瘤藥物直接放入腦部 - 這些都是在病人仍在手術台上的時候就可以做出的決定。
這項由哈佛醫學院的研究人員主導的報告已於7月7日在Med雜誌上發表。
在手術過程中進行精確的分子診斷 - 這涉及到細胞中的DNA變異 - 可以幫助神經外科醫生決定切除多少腦組織。
當腫瘤較不侵襲性時，切除過多可能會影響病人的神經和認知功能。同樣，當腫瘤高度侵襲性時，切除太少可能會留下惡性組織，這些組織可以快速生長和擴散。
研究的高級作者Kun-Hsing Yu博士說：“目前，即使是最先進的臨床實踐也無法在手術過程中對腫瘤進行分子分析。我們的工具克服了這個挑戰，從冷凍的病理切片中提取了至今為止未被利用的生物醫學信號。”
在手術過程中知道腫瘤的分子身份也是有價值的，因為某些腫瘤可以從手術時直接在腦中放置藥物塗層的樹脂片中獲益，Yu說。
Yu補充道：“能夠在手術過程中實時確定分子診斷，有助於推動實時精準腫瘤學的發展。”
現在使用的標準術中診斷方法是取出腦組織，冷凍它，並在顯微鏡下檢查。
一個主要的缺點是冷凍組織往往會改變細胞在顯微鏡下的外觀，並可能干擾臨床評估的準確性。
此外，即使使用強力的顯微鏡，人眼也無法可靠地在切片上檢測到微妙的基因變異。
這種新的AI方法克服了這些挑戰。
這個名為CHARM（Cryosection Histopathology Assessment and Review Machine，冷凍切片組織病理學評估和審查機器）的工具，可以供其他研究人員免費使用。研究團隊表示，在該工具可以在醫院中使用之前，仍需要通過在現實環境中的測試進行臨床驗證，並獲得FDA的批准。
破解癌症的分子代碼
近期在基因組學的進展已經讓病理學家能夠區分各種類型的腦癌以及特定類型腦癌中的分子特徵 - 並且預測這些特徵所代表的行為。
例如，胶質瘤 - 這是最侵襲性的腦瘤和最常見的腦癌形式 - 有三個主要的亞類型，它們帶有不同的分子標記，並有不同的生長和擴散傾向。
這個新工具能夠加速分子診斷的能力，尤其在那些有限訪問進行快速癌症基因測序技術的地區，可能特別有價值。
超越手術期間做出的決定，對腫瘤的分子類型的了解提供了關於其侵襲性、行為和對各種治療的可能反應的線索。這種知識可以影響術後決策。
此外，這個新工具使得術中診斷與世界衛生組織最近更新的對於診斷和分級胶質瘤嚴重程度的分類系統相一致，該系統要求根據腫瘤的基因組概述來做出這些診斷。
訓練CHARM
CHARM的開發使用了來自1,524名胶質瘤患者的2,334個腦瘤樣本，這些患者來自三個不同的患者群體。在對從未見過的一組腦樣本進行測試時，該工具以93%的準確度識別出帶有特定分子突變的腫瘤，並成功分類了三種具有不同分子特徵的主要類型的胶質瘤，這些特徵携帶不同的預後並對治療有不同的反應。
進一步而言，該工具成功捕捉了惡性細胞周圍組織的視覺特徵。它能夠在樣本中找出具有更大細胞密度和更多細胞死亡的明顯區域，這兩種特徵都是胶質瘤更侵襲性類型的信號。
該工具還能夠在一個低級別胶質瘤的子集中，準確地找出臨床上重要的分子變化，這種胶質瘤的子類型較不侵襲，因此較不可能侵犯周圍的組織。每一種這樣的變化也都代表不同的生長、擴散和治療反應的傾向。
該工具進一步將細胞的外觀 - 它們的核的形狀、細胞周圍的水腫的存在 - 與腫瘤的分子概述連接起來。這意味著該算法可以確定一個細胞的外觀如何與腫瘤的分子類型相關聯。這種能夠評估圖像周圍更廣泛環境的能力使模型更準確，並且更接近人類病理學家視覺評估腫瘤樣本的方式，Yu說。
研究人員表示，雖然該模型是在胶質瘤樣本上訓練和測試的，但它可能成功地被重新訓練以識別其他腦癌亞型。
科學家已經設計了AI模型來對其他類型的癌症進行分析 - 結腸、肺、乳房 - 但是由於其分子的複雜性和腫瘤細胞的形狀和外觀的巨大變異，胶質瘤一直尤其具有挑戰性。
CHARM工具必須定期重新訓練，以反映新的疾病分類，因為它們是從新的知識中產生的，Yu說。
“就像必須參與持續教育和訓練的人類醫生一樣，AI工具必須跟上最新的知識，以保持最佳的表現。”
共同投資者包括MacLean P. Nasrallah、Junhan Zhao、Cheng Che Tsai、David Meredith、Eliana Marostica、Keith L. Ligon和Jeffrey A. Golden。
此項工作部分得到國家一般醫學科學研究所的R35GM142879獎助、Google Research Scholar獎助、Blavatnik Center for Computational Biomedicine獎助、Partners Innovation Discovery獎助，以及Schlager家族早期數字健康創新獎助的支持。
新聞原址： AI Decodes Brain Tumor DNA During Surgery for Real-Time Diagnosis - Neuroscience News