Tekoälyavusteinen järjestelmä rintakehäkasvainten tarkkaan diagnoosiin ja ennustamiseen

Rintojen phyllodes-kasvain (PT) on harvinainen fibroepiteelisuumori, joka muodostaa 1–3 % kaikista rintakasvaimista. WHO on luokitellut hyvänlaatuisiksi, raja- ja pahanlaatuisiksi histopatologisten ominaisuuksien, kuten kasvaimen rajan, stroman solujen ja stroman atypian perusteella. , mitoottinen aktiivisuus ja strooman liikakasvu. Pahanlaatuiset PT:t muodostavat 18–25 %, ja niillä on korkea paikallinen uusiutuminen (jopa 65 %) ja etämetastaasi (16–25 %). Hyvälaatuinen PT voi edetä pahanlaatuiseksi kasvaimeksi useiden uusiutumisen jälkeen. Siksi varhainen, tarkka diagnoosi ja terapeuttisten kohteiden tunnistaminen ovat ratkaisevan tärkeitä tulosten ja eloonjäämisasteiden parantamiseksi.

Viime vuosina kiinnostus tekoälyn (AI) soveltamiseen lääketieteellisessä diagnostiikassa on lisääntynyt. Tekoäly voi integroida kliinisiä tietoja, histopatologisia kuvia ja multiomiikkadataa auttamaan patologista ja kliinistä diagnoosia, ennusteen ennustamista ja molekyyliprofiilia. Tekoäly on osoittanut lupaavia tuloksia useilla aloilla, mukaan lukien eri syöpien, kuten paksusuolen ja rintasyövän, diagnosoinnissa. syöpää ja eturauhassyöpää. PT eroaa kuitenkin rintasyövästä diagnoosin ja hoidon lähestymistavan suhteen. Siksi tekoälyyn perustuvan järjestelmän luominen PT:n tarkkaa diagnoosia ja ennusteen arviointia varten on ratkaisevan tärkeää yksilöllisen lääketieteen kannalta.

Tri Nie Yanin johtama tutkimusryhmä on yksi harvoista Guangdongin maakunnassa ja jopa kansallisesti, ja se on erikoistunut PT-tutkimukseen. Heidän tiiminsä on tehnyt tutkimusta PT:n pahanlaatuisen etenemisen, etäpesäkkeiden syntymekanismeista ja molekyylimarkkereista. Ryhmä on tunnistanut keskeiset mekanismit, kuten fibroblastien ja myofibroblastien erilaistumisen, ja kasvaimeen liittyvien makrofagien roolin tämän erilaistumisen edistämisessä. He ovat myös tunnistaneet molekyylimarkkerit, mukaan lukien miR-21, α-SMA, CCL18 ja CCL5, jotka ovat tarkempia ennustamaan kasvaimen uusiutumisriskiä verrattuna perinteiseen histopatologiseen luokitukseen.

Hankkeessa on kerätty laadukasta tietoa lähes tuhannelta rinta-PT-potilaalta, mukaan lukien kuvantamis-, histopatologia- ja eloonjäämistiedot, sekä suoritettu transkriptiogeenisekvensointi kudosnäytteille. He pyrkivät rakentamaan kattavan multi-omiikkatietokannan rintojen PT:lle ja luomaan tekoälyyn perustuvan mallin varhaiseen diagnoosiin ja ennusteen ennustamiseen. Tämä tutkimus voi parantaa rintojen PT:n diagnosointia ja hoitoa, puuttua rintojen PT-hoidon eroihin Kiinan eri alueilla ja edistää uusien hoitokohteiden kehittämistä.