史丹佛大學的新型AI工具可取代昂貴的癌症基因檢測
為了確定癌症的類型和嚴重程度，病理學家通常會在顯微鏡下檢查腫瘤活檢的薄片。 然而，要確定驅動腫瘤生長的基因組變化–這是指導治療的關鍵訊息–需要對從腫瘤中分離出來的RNA進行基因定序。 這個過程可能需要數週時間，花費數千美元。
新的人工智慧程式SEQUOIA 可以分析腫瘤活檢的顯微圖像（左圖，紫色），並迅速確定其中包含的細胞中哪些基因可能開啟或關閉（右圖的基因表現以紅色和藍色表示） 。 圖片來源：Emily Moskal/史丹佛大學醫學院
現在，史丹佛醫學院的研究人員開發了一種人工智慧驅動的計算程序，只需根據活檢的標準顯微鏡圖像，就能預測腫瘤細胞內數千個基因的活性。 該工具是利用來自7000多個不同腫瘤樣本的數據創建的，最近發表在Nature Communications上。 研究小組表明，它可以利用常規收集的活檢影像預測乳癌的基因變異，並預測患者的預後。
生物醫學數據科學教授、論文資深作者奧利維爾-格瓦特（Olivier Gevaert）博士說：「這種軟體可用於快速識別患者腫瘤中的基因特徵，加快臨床決策，為醫療保健系統節省數千美元。 “
史丹佛大學研究生瑪麗亞-皮祖裡亞（Marija Pizuria）和博士後研究員鄭元寧（Yuanning Zheng）博士和弗朗西斯科-佩雷斯（Francisco Perez）博士也參與了這項工作。
臨床醫生越來越多地根據病人的癌症影響到哪個器官，以及腫瘤利用哪些基因來促進其生長和擴散，來選擇向病人推薦哪種癌症治療方法，包括化療、免疫治療和基於荷爾蒙的治療。 開啟或關閉某些基因可能會使腫瘤更具侵襲性、更容易轉移，或更容易或更不容易對某些藥物產生反應。
然而，要獲取這些信息，往往需要進行昂貴而耗時的基因組測序。 Gevaert 和他的同事知道，單一細胞內的基因活動可以改變這些細胞的外觀，而這些改變往往是人眼無法察覺的。 他們求助於人工智慧來尋找這些模式。
研究人員從16 種不同癌症類型的7584 例癌症活檢開始研究。 每份活檢樣本都被切成薄片，並用蘇木精和伊紅染色法進行製備，這是觀察癌細胞整體外觀的標準方法。 此外，還可以獲得癌症轉錄組的訊息，即細胞正在積極使用哪些基因。
研究人員整合了新的癌症活組織切片以及其他資料集（包括轉錄組資料和數千個健康細胞的影像）後，他們命名為SEQUOIA（基於幻燈片的線性化表達量化）的人工智慧程式就能從染色影像中預測出15,000多個不同基因的表達模式。 對於某些癌症類型，人工智慧預測的基因活性與真實基因活性數據的相關性超過80%。 一般來說，初始資料中包含的特定癌症類型樣本越多，模型在該癌症類型上的表現就越好。
Gevaert說：”模型經過多次迭代才達到我們滿意的性能。但最終，對於某些腫瘤類型，它達到了可以在臨床上發揮作用的水平。”
醫生在做出臨床決定時，往往不是一個一個地查看基因，而是查看包括數百個不同基因的基因特徵。 例如，許多癌細胞會活化由數百個與發炎相關的基因或數百個與細胞生長有關的基因組成的相同基因組。 與預測單一基因表現的表現相比，SEQUOIA 在預測此類大型基因組程序是否被活化方面更加準確。
為了使數據易於獲取和解讀，研究人員對SEQUOIA 進行了編程，將基因研究結果顯示為腫瘤活檢的可視化地圖，讓科學家和臨床醫生看到基因變異在腫瘤不同部位的不同表現。
為了測試SEQUOIA 在臨床決策中的實用性，Gevaert 和他的同事們確定了該模型可以準確預測表達的乳癌基因，這些基因已經用於商業乳癌基因組測試。 (例如，美國食品藥物管理局批准的MammaPrint 檢測可分析70 個乳癌相關基因的水平，為患者提供癌症復發風險的評分）。
Gevaert說：”乳癌有許多經過充分研究的基因特徵，過去十年的研究表明，這些特徵與治療反應和患者預後高度相關。這使它成為這一模型的理想測試案例。”
研究小組表明，SEQUOIA 只需使用腫瘤活檢的染色圖像，就能提供與MammaPrint 相同類型的基因組風險評分。 研究結果在多組不同的乳癌患者身上得到了重複。 在每種情況下，被SEQUOIA確定為高風險的患者的預後都較差，癌症復發率較高，癌症復發時間較短。
Gevaert說，他的團隊正在改進演算法並研究其潛在應用。 他說，SEQUOIA將來可以減少對昂貴的基因表現檢測的需求。
他說：”我們已經證明了這對乳腺癌有多大的幫助，現在我們可以將它用於所有癌症，研究任何基因特徵。這是我們以前沒有的全新數據來源。”
編譯自/ ScitechDaily