대장종양의 인공지능 기반 방사선유전학 (ATTRACT)

ATTRACT 시험은 회고적 부분과 전향적 부분으로 구성됩니다. 임상시험의 후향적 부분에서는 2기~3기 결장암 환자 300명의 방사선학, 병리학 및 유전체학 데이터를 사용하여 예측 모델의 결과로서 결장 종양의 유전적 및 방사선학적 특징과 임상적 종점을 식별할 것입니다.

종양은 CT 이미지에서 수동으로 분할되고 AI(인공 지능) 모델 생성에 사용됩니다. 병리학적 주석은 해당 익명 프로필과 연결됩니다. 면역조직화학은 샘플을 4가지 분자 하위 유형으로 분류하는 데 사용됩니다. 유전자 발현을 평가하고 종양 돌연변이 부담을 평가하기 위해 특별히 설계된 맞춤형 NGS(차세대 시퀀싱) 패널을 사용하여 표적 전사체학을 통해 조직 샘플에서 RNA-seq 프로파일도 생성됩니다. (TMB). 원시 데이터는 토폴로지 경로 분석을 사용하여 처리 및 모델링되어 관련 분자 특징에 따라 환자를 계층화하고 특정 임상 관련 그룹을 식별하기 위해 모델을 훈련하는 데 사용될 분자 주석을 정의합니다. 방사선학적 데이터와 함께 원시 데이터는 자동화된 분할 및 방사선유전체학 시그니처 추출을 위한 AI 모델을 생성하고 훈련하는 데 사용됩니다.

Radiomics 특징은 수동으로 분할된 종양에서 추출됩니다. 표준 PyRadiomics 도구와 맞춤형 도구가 사용됩니다. 관찰자 간 통계적 상관 관계가 높은 기능만 선택하면 기능 견고성이 보장됩니다. 두 가지 AI 모델 제품군이 생성됩니다. 하나는 분할 전용 제품군이고 다른 하나는 이용 가능한 임상, 분자 생물학 및 병리학적 데이터에 따른 방사선유전학 기반 표현형 분석 전용 제품군입니다. ATTRACT AI 모델 생성을 위해 두 제품군이 융합될 것입니다. 이러한 모델을 생성하기 위해 딥 러닝(DL)과 UNet 및 MaskNet과 같은 인공 지능을 기반으로 하는 특정 CNN(컨볼루션 신경망) 아키텍처가 적용됩니다. 훈련은 수동 ROI(관심 영역) 분할을 기준 진실로 사용하여 수행됩니다. 방사선유전학 분석 모델을 생성하기 위해 다양한 다변량 알고리즘을 사용하여 방사선유전학 및 게놈 특징을 결합합니다. 분류는 암 하위 유형과 임상적 종말점을 인식하도록 훈련됩니다.

전향적 임상시험에서는 2기~3기 대장암 환자를 모집해 수술 전 조영증강 CT 검사를 받게 된다. 모집비율은 연간 70명, 총 210명이다. 수술 전 CT 촬영 후 국제표준 프로토콜에 따라 수술을 진행합니다. 결국 보조 요법은 현재 지침에 따라 고려될 것입니다. 장래 등록의 병리학적 샘플을 분석할 것입니다. 먼저, RNA-seq 데이터, TMB(코딩 유전자) 및 임상 데이터를 사용하여 Markov Cluster 알고리즘(MCL)과 t-SNE(t-distributed stochastic neighbor embedding)이라는 두 가지 기술을 사용하여 환자를 클러스터링합니다. 레이어 네트워크 클러스터링. 환자는 네트워크의 노드로 표시되며, 노드 사이의 에지는 Jaccard 유사성에 따라 가중치와 임계값이 지정됩니다. 유사성은 유전자 발현, TMB 및 위상 경로 분석에서 나오는 교란 정보를 토대로 계산됩니다. 클러스터링 결과는 면역조직화학의 결과와 일치합니다. 임상 후속 데이터(예: 치료 결과 등)은 일단 사용 가능해지면 학습을 시행하기 위해 워크플로우에 연결될 것입니다. 추출된 지식은 방사성 분류를 훈련하고 검증하는 데 사용되는 데이터 세트에 주석을 추가하는 데 사용됩니다. 기존 유전자 발현 중 핵심 하위 유형 패턴의 유무를 평가하는 CRCSC(Colorectal Cancer (CRC) Subtyping Consortium)에 따라 다양한 전사체 분자 하위 유형(CMS1, CMS2, CMS3, CMS4)을 추출하기 위해 총 검체를 분석합니다. 기반 CRC 하위 유형 지정 알고리즘. 프로토콜 중 병리학적 분자 프로필과 ctDNA 분석 간의 일치는 CRC 치료 및 감시에 대한 새로운 전체 진단 접근법 모델을 제공하기 위해 방사선학 분류와 관련됩니다.

AI 모델을 검증하기 위해 예상 데이터가 사용됩니다. 분할 모델의 경우 Dice Coefficient는 자동화된 분할과 전문가 분할 간의 중복 정도를 측정하는 지표로 사용됩니다. 방사선유전체학 모델의 경우 정확도, ROC-AUC(수신기 조작자 곡선 아래 적분) 및 임상 결정 곡선을 사용하여 성능을 평가합니다. 또한 조사관은 최고의 AI 모델을 선택하기 위해 입력 특성의 변화에 ​​대한 반응을 고려하고 분류에 주로 기여한 입력 이미지의 특징이 강조되는 돌출 맵을 생성합니다.

ESMO 치료 후 처음 3년 동안 재발 위험이 높은 환자를 대상으로 정기적인 혈청 CEA(암배아항원) 검사와 6~12개월마다 전신 CT를 포함해 2년 동안 6개월마다 임상 평가를 실시한다. 종양학회(Society for Medical Oncology) 지침에 따라 무질환 생존(DFS) 및 무재발 생존(RFS)을 계산합니다.