AI-assisterat system för noggrann diagnos och prognos av bröstphyllodestumörer

Breast Phyllodes tumor (PT) är en sällsynt fibroepitelial tumör, som står för 1 % till 3 % av alla brösttumörer, kategoriserad av WHO i benigna, borderline och maligna, baserat på histopatologiska egenskaper som tumörgräns, stromal cellularitet, stromatypi , mitotisk aktivitet och stromal överväxt. Maligna PT står för 18 %-25 %, med högt lokalt återfall (upp till 65 %) och frekvenser av fjärrmetastaser (16 %-25 %). Benign PT kan utvecklas till malignitet efter flera återfall. Därför är tidig, noggrann diagnos och identifiering av terapeutiska mål avgörande för att förbättra resultat och överlevnadsfrekvens.

Under senare år har det funnits ett växande intresse för tillämpningen av artificiell intelligens (AI) i medicinsk diagnostik. AI kan integrera klinisk information, histopatologiska bilder och multiomics-data för att hjälpa till med patologisk och klinisk diagnos, prognosförutsägelse och molekylär profilering.AI har visat lovande resultat inom olika områden, inklusive diagnos av olika cancerformer såsom kolorektal cancer, bröstcancer cancer och prostatacancer. PT skiljer sig dock från bröstcancer i diagnostik och behandlingsmetod. Att etablera ett AI-baserat system för exakt diagnos och prognosbedömning av PT är därför avgörande för personlig medicin.

Forskargruppen, som leds av Dr Nie Yan, är en av få i Guangdongprovinsen och till och med nationellt, som specialiserat sig på PT-forskning. Deras team har bedrivit forskning om malign progression, metastasmekanismer och molekylära markörer för PT. Teamet har identifierat nyckelmekanismer, såsom fibroblast-till-myofibroblastdifferentiering, och rollen av tumörassocierade makrofager för att främja denna differentiering. De har också identifierat molekylära markörer, inklusive miR-21, α-SMA, CCL18 och CCL5, som är mer exakta för att förutsäga risk för återfall av tumör jämfört med traditionell histopatologisk gradering.

Projektet har samlat in högkvalitativa data från nästan tusen bröst-PT-patienter, inklusive avbildnings-, histopatologi- och överlevnadsdata, och har utfört transkriptomgensekvensering på vävnadsprover. De syftar till att bygga en omfattande multi-omics-databas för bröst-PT och skapa en AI-baserad modell för tidig diagnos och prognosförutsägelse. Denna forskning har potential att förbättra diagnosen och behandlingen av bröst-PT, ta itu med skillnaderna i bröst-PT-vård mellan olika regioner i Kina och bidra till utvecklingen av nya terapeutiska mål.