基于快速红外成像的人工智能识别肺癌肿瘤类型

肺肿瘤分为各种类型，如小细胞肺癌、腺癌和鳞状细胞癌。许多罕见的肿瘤类型和亚型也存在。这种多样性阻碍了日常临床实践中可靠的快速诊断方法。除了组织学分型，肿瘤样本还需要在DNA水平上全面检查某些变化。“检测这些突变之一是影响预后和进一步治疗决策的重要关键信息，”共同作者Reinhard教授Büttner说，他是科隆大学医院普通病理和病理解剖研究所的负责人。

当驱动突变之前已经被确定时，肺癌患者明显受益:例如，EGFR (表皮生长因子)基因通常对酪氨酸激酶抑制剂反应良好，而非egfr突变的肿瘤或具有其他突变的肿瘤，如KRAS，对这种药物完全没有反应。肺癌的鉴别诊断以前是通过组织样本的免疫组化染色和随后的广泛遗传分析来确定突变。

快速可靠的测量技术

红外成像的潜力，简称红外成像，作为一种诊断工具在之前的研究中，克劳斯·格沃特领导的小组已经证明了这种方法，即无标签数字病理学。该程序无需事先染色或其他标记即可识别癌变组织，并在人工智能(AI)的帮助下自动运行。与日常临床实践中用来确定肿瘤形状和肿瘤组织突变的方法不同，这种新方法有时需要几天时间，只需要半个小时左右。在这30分钟内，不仅可以确定组织样本中是否含有肿瘤细胞，还可以确定它是什么类型的肿瘤，是否含有某种突变。

红外光谱学使基因突变可见

波鸿大学的研究人员在他们的工作中对200多名肺癌患者的样本进行了验证。在确定突变时，他们集中在迄今为止最常见的肺部肿瘤——腺癌上，腺癌占肿瘤的50%以上。这是最常见的基因突变与费力的遗传分析相比，可以以95%的灵敏度和特异性确定。“这是我们第一次能够识别光谱标记，允许在不同分子条件之间进行空间分辨肺来自PRODI的Nina Goertzen解释道。单一的红外光谱测量提供了关于样品的信息，否则需要几个耗时的程序。

朝着个性化医疗又迈进了一步

该结果再次证实了无标签数字病理学在临床应用中的潜力。IR成像项目经理Frederik Großerüschkamp博士说:“为了进一步提高可靠性，并促进将该方法转化为一种新的诊断工具，需要在日常临床实践中进行适应临床需求的更大患者数量的研究和外部测试。”“为了将红外成像转化为日常临床实践，缩短测量时间，确保测量仪器操作简单可靠，并为临床和患者提供重要和有帮助的问题提供答案至关重要。”