Исследователи из Хельсинкского университета продемонстрировали возможности алгоритмов на основе искусственного интеллекта в прогнозировании эффективности целевой терапии рака, основанной только на архитектуре опухолевой ткани, без специальных молекулярных тестов. Результаты показывают, что ИИ может выявить ранее скрытые закономерности в образцах опухолей и позволить обнаруживать новые особенности опухоли, позволяющие прогнозировать исход и эффективность лечения.
Искусственный интеллект (ИИ) в форме машинного обучения все чаще используется в исследованиях рака и имеет большой потенциал для поддержки медицинской диагностики. Алгоритмы уже обучены для решения многих сложных задач, таких как обнаружение раковой ткани и оценка опухоли. Кроме того, прогнозирование исхода заболевания непосредственно из образца опухоли без экспертной интерпретации дало многообещающие результаты.
В исследовании, опубликованном в Scientific Reports 17 февраля, команда под руководством профессора Йохана Лундина стремилась еще больше расширить возможности этих подходов.
Исследователи сосредоточились на разработке инструмента, который может обнаруживать морфологические особенности опухоли, типичные для ERBB2-положительного рака молочной железы. ERBB2 (также часто называемый HER2) – хорошо известный онкопротеин, который способствует росту раковых клеток. Примерно каждый пятый пациент с раком молочной железы имеет дополнительные копии гена ERBB2, а их опухоли сверхэкспрессируют белок ERBB2. Этим пациентам может помочь терапия моноклональными антителами против рецептора ERBB2 (HER2).
Результаты исследования показали, что AI-алгоритм смог изучить закономерности, предсказывающие статус ERBB2 опухоли, непосредственно из морфологии опухоли в общенациональной серии пациентов с раком груди (исследование FinProg), без использования конкретных молекулярных анализы.
"Наши результаты показывают, что морфологические особенности опухолей содержат обширную информацию о биологии заболевания, которую можно извлечь с помощью методов машинного обучения. Эти ценные данные могут помочь в принятии клинических решений," сказал первый автор исследования Дмитрий Бычков из Института молекулярной медицины Финляндии FIMM, Университет Хельсинки.
Чтобы дополнительно проверить применимость метода, исследователи затем применили алгоритм AI к образцам тканей от пациентов с раком груди, которые участвовали в большом клиническом испытании (испытании FinHer) по лечению анти-ERBB2 и чей статус и результаты ERBB2 были известны.
Интересно, что алгоритм смог разделить пациентов, получавших терапию анти-ERBB2 (трастузумаб), таргетное лечение ERBB2-положительного рака, на две прогностически разные группы.Те пациенты, в опухолях которых AI-алгоритм предсказал ERBB2-положительный результат на основе морфологии опухоли, показал более благоприятный исход заболевания, чем те, у которых AI-алгоритм предсказал ERBB2-отрицательный результат.
"Эти методы на основе искусственного интеллекта открывают новые возможности для выявления скрытых в архитектуре тканей закономерностей, которые приводят к прогрессированию опухоли, и могут в более долгосрочной перспективе способствовать более точной диагностике и принятию более персонализированных решений по лечению рака груди," говорит доктор медицинских наук, доцент Нина Линдер, которая руководила исследованием.
Наблюдения за исследованием также предполагают, что некоторые опухоли, которые были ERBB2-отрицательными согласно молекулярным тестам, имеют морфологические особенности, типичные для ERBB2-положительных опухолей. По мнению исследователей, этим пациентам потенциально может помочь лечение, специально разработанное для ERBB2-положительных пациентов.
"Методы на основе искусственного интеллекта могут не только дополнить существующие методы молекулярной диагностики, но и выйти за их рамки и привести к улучшенному выбору некоторых целевых методов лечения рака для пациентов. Возможно, нам потребуется разработать клинические испытания для проверки этой гипотезы. Важно отметить, что анализ можно проводить на стандартном срезе опухоли," – говорит профессор Хейкки Йоэнсуу из Онкологического центра HUS и Университета Хельсинки, соавтор исследования.
"Это одно из самых первых исследований, показывающих, что ИИ, примененный к образцам опухолей, может не только предсказать исход заболевания, но также эффективность или молекулярно-направленное лечение рака," сказал профессор Йохан Лундин.