肿瘤诊断：AI模型检测到170多种类型的癌症

MRI在不舒服的位置显示出脑肿瘤，脑活检将对因双重视力咨询医生的患者的高风险。诸如这种情况之类的情况促使Charité大学的研究人员柏林大学寻找新的诊断程序。结果是AI模型。

该模型利用肿瘤遗传材料的表观遗传指纹的特定特征，例如从脑脊液，除其他外。作为团队显示在日记中大自然癌，新模型可以快速且可靠地对肿瘤进行分类。

如今，肿瘤的类型比出现的器官所知。每个肿瘤都有其自身的特征：某些组织特征，生长速率和代谢特征。然而，可以将具有相似分子特征的肿瘤类型分组在一起。单个疾病的治疗取决于肿瘤的类型。

新的，有针对性的疗法解决肿瘤细胞的某些结构或阻止其信号通路以停止病理组织生长。可以根据肿瘤类型选择化学疗法及其剂量相应调整。特别是在罕见的肿瘤类型的情况下，作为研究的一部分，有可能采用创新疗法。

Charitã©首席医疗官Martin E. Kreis教授说：“在经过认证的肿瘤中心的精确诊断是成功治疗的前进方面，在越来越个性化的，迅速发展的癌症医学的背景下。”

而基于肿瘤的综合分子，细胞和功能分析组织样品提供必要的信息，医生还面临着从肿瘤中提取组织样本的可能性或风险的病例。更重要的是，即使仅组织学检查也无法像新的AI模型一样精确地诊断。

看基因组，而不是进入组织

已经建立了一种用于表征的方法脑肿瘤这不是基于常规的微观诊断，而是基于肿瘤遗传物质（表观遗传特征）的修饰。它们是每个细胞的内存的一部分，并确定遗传信息的哪些部分是读取的以及何时读取的。

“成千上万的表观遗传修饰是单个基因部分的开关开关。它们的模式形成了一种独特的，明确的指纹，”德国癌症联盟的柏林遗址的科学家Philipp Euskirchen博士解释说，在Charitâeyulopathology ofCharité©，最近出版的研究所的Neuropathology Institute。

“在肿瘤细胞中，表观遗传信息以一种特征性的方式改变。根据它们的特征，我们可以区分肿瘤并对其进行分类。”

在脑肿瘤的情况下，即使是脑脊液的样本在某些情况下也足够，并且可以完全轻松地通过手术分配。

为了将未知的指纹与数千种不同癌症的已知指纹进行比较，并将其分配给特定的肿瘤类型，即机器学习方法，即人工智能，鉴于数据非常广泛且复杂。更重要的是，过去采用了不同的DNA测序方法。另外，表观遗传分析通常仅限于单个肿瘤类型的典型模式和基因段。

“因此，我们的目的是开发一种对肿瘤进行准确分类的模型，即使它们仅基于整个肿瘤表观遗传组的一部分，或者通过不同的技术和不同程度的准确性收集了概况，” Bioinformaticians博士说。

可靠且可追溯

一个新开发的AI模型以Crossnn的名字命名，其体系结构基于简单的神经网络。该模型接受了大量参考肿瘤的训练，随后对5,000多个肿瘤进行了测试。

Euskirchen说：“我们的模型可以非常精确地诊断所有病例中99.1％的脑肿瘤，并且比迄今为止工作中的AI解决方案更准确。”

“此外，我们能够以相同的方式训练AI模型，可以区分超过170肿瘤类型从所有器官中获得97.8％的精度。这意味着除了相对罕见的脑肿瘤外，还可以用于所有器官的癌症。”

未来批准的决定性因素临床应用是否可以完全解释模型，即，必须有可能了解决策的成就。

AI模型用于测定的分子指纹可能源于组织样品或体液。在特定的脑肿瘤的情况下，慈善神经病理学系已经提供了基于脑脊液的非侵入性诊断，称为液体活检。在困难的情况下，这也可以在没有压力操作的情况下进行诊断。以双重视力咨询我们的患者是受益者之一。

Euskirchen解释说：“我们使用纳米孔测序（一种新型，非常快速，非常有效的遗传分析形式）检查了脑脊液。我们的模型分类表明，这是中枢神经系统的淋巴瘤，使我们能够迅速开始适当的化学疗法。”

临床试验中的交叉

该方法的准确性甚至使研究人员感到惊讶。Lukassen说：“尽管我们的AI模型的架构比以前的方法要简单得多，因此仍然可以解释，但它提供了更精确的预测，因此可以提供更大的诊断确定性。”

因此，研究小组与德国癌症联盟（DKTK）一起计划在德国的所有八个DKTK地点进行临床试验。另外，还需要测试术中用途。目的是将基于DNA样品的精确和相对廉价的肿瘤确定转移到常规护理中。