人工智能利用红外成像对结直肠癌进行分类

来自Ruhr-Universität波鸿Prodi蛋白质诊断中心(RUB)的一个研究团队使用基于量子级联激光的红外显微镜，以一种无标记和自动化的方式对常规临床手术中的结直肠癌组织样本进行分类。人工智能使研究人员能够在大约30分钟内非常准确地区分不同的肿瘤类型。根据分类，医生可以预测疾病的发展过程，从而选择适当的治疗方法。研究小组在杂志上发表了他们的报告科学报告2020年6月23日。

微卫星状态有利于预后

结肠癌和其他癌症中的微卫星稳定瘤(MSS)和微卫星不稳定瘤(MSI)是有区别的。微卫星通常是没有功能的、经常重复的短DNA序列。MSI肿瘤患者的生存率明显较高。这是由于癌细胞的突变率高出约1000倍，这使得它们的生长不那么成功。此外，创新免疫疗法在MSI肿瘤患者中更成功。RUB圣约瑟夫医院血液学和肿瘤科主任Anke Reinacher-Schick教授说:“因此，了解我们正在处理的肿瘤类型对于预后和治疗决策非常重要。”到目前为止,鉴别诊断对组织样本进行免疫组化染色，随后进行复杂遗传分析。

快速可靠的测量

红外成像的潜力作为一个诊断工具组织分类，即所谓的无标签数字病理学，已经在RUB生物物理系Klaus Gerwert教授领导的小组的早期研究中得到了证明。该方法无需事先染色或其他标记即可识别癌症组织，因此，也可以在辅助下自动工作人工智能．传统的微卫星状态鉴别诊断需要大约一天的时间，而新方法只需要大约半小时。

蛋白质研究团队通过优化该方法来检测组织中的分子变化，极大地改进了该方法。以前，组织只能从形态上观察。“这是一大步，表明红外成像可以成为未来诊断和治疗预测的一种有前途的方法，”Klaus Gerwert说。

鼓励可行性研究

研究小组与安德烈亚·坦纳普费尔教授领导的RUB病理研究所和RUB圣约瑟夫医院血液学和肿瘤科合作，对100名患者进行了可行性研究。它显示了100%的敏感性和93%的特异性:所有MSI肿瘤都被正确分类，只有少数样本被错误地识别为MSI肿瘤。一项扩大的临床试验正在开始，该试验将对来自colpredict Plus 2.0注册研究的样本进行。由Andrea Tannapfel和Anke Reinacher-Schick发起的注册表研究允许对已发表工作的结果进行验证。Andrea Tannapfel解释说:“我们对这种方法也非常感兴趣，因为使用的样品材料非常少，这在今天的诊断中可能是一个决定性的优势，因为应用技术越来越多。”

朝着个性化医疗又迈进了一步

未来，该方法将被引入临床工作流程，以评估其在精准肿瘤学方面的潜力。Anke Reinacher-Schick总结说:“随着肿瘤疾病的靶向治疗越来越多，提供快速和精确的诊断非常重要。”