首页 > 文章详情

人工智能通过僵尸细胞预测乳腺癌

10月16日

来源： SIBCS，Lancet Digit Health

潜伏于人体全身各处的衰老细胞又被称为僵尸细胞，既不继续分裂繁殖，亦未完全死亡，仍然具有代谢活性，既可抑制肿瘤细胞无限增殖，又可分泌促炎旁分泌因子削弱抗肿瘤免疫系统从而促进肿瘤生长。由于绝大多数衰老细胞研究都在体外细胞或者动物体内完成，而且衰老具有异质性，因此衰老细胞对人类癌症发展的具体作用尚不明确。此外，全世界每年进行的健康乳腺活检超过100万次，可能成为乳腺癌风险分层的主要资源。

2024年9月25日，英国《柳叶刀》数字医疗分册在线发表丹麦哥本哈根大学、美国巴克衰老研究所、伯克利加利福尼亚大学、印第安纳大学医学院、埃塞俄比亚默克莱大学的研究报告，通过人工智能深度学习定量分析健康女性志愿者乳腺组织衰老相关细胞核形态，探讨衰老标志物对乳腺癌发展的临床意义，预测将来发生乳腺癌的风险。该研究由诺和诺德基金会、丹麦癌症学会、美国国家卫生研究院提供资助。

该队列回顾研究首先根据细胞核形态对2009年至2019年印第安纳大学西蒙癌症中心科曼组织库 4382例健康女性志愿者（中位年龄45岁、四分位34至57岁）乳腺粗针活检标本苏木精伊红染色组织学图像进行单细胞人工智能深度学习，确定衰老预测因素。随后采用经过验证的模型预测终末导管小叶单位和非终末导管小叶单位上皮、基质和脂肪组织区域的衰老，该模型已经利用电离辐射、复制性衰竭（复制性衰老）或药物（抗霉素A、阿扎那韦-利托那韦和多柔比星）诱发衰老的细胞进行训练。为了对根据衰老预测癌症的结果进行基准测试，该研究根据组织捐献时的特征，利用目前乳腺癌风险临床预测金标准盖尔模型，对年龄≥35岁志愿者进行5年乳腺癌风险盖尔评分。通过逻辑回归模型根据病例组（数据截至2022年7月31日已被诊断乳腺癌的参与者）与对照组（未被诊断乳腺癌的参与者）不同组织区域预测衰老评分估计乳腺癌发生概率。

结果，截至2022年7月31日，中位随访 10年（四分位7～11），其中 86例（2.0%）活检后平均4.8±2.84年已被诊断乳腺癌，其余 4296例（98.0%）未被诊断乳腺癌。

86例患者与对照组相比：

脂肪组织电离辐射模型评分高于中位个体乳腺癌发生概率显著较高（概率比：1.71，95%置信区间：1.10～2.68；P=0.019）
脂肪组织药物诱发模型评分高于中位个体乳腺癌发生概率显著较低（概率比：0.57，95%置信区间：0.36～0.88；P=0.013）
基质组织电离辐射模型评分高于中位个体乳腺癌发生概率显著较高（概率比：1.59，95%置信区间：1.03～2.49；P=0.038）
具有两种脂肪风险因素个体乳腺癌发生概率显著较高（概率比：3.32，95%置信区间：1.68～7.03；P=0.0009）

5年乳腺癌风险盖尔评分高于中位与低于中位相比，个体乳腺癌发生概率显著较高（概率比：2.33，95%置信区间：1.46～3.82；P=0.0012）。

将盖尔评分结合：

药物诱发模型风险模型：具有这两种预测因素个体乳腺癌发生概率显著较高（概率比：4.70，95%置信区间：2.29～10.90；P<0.0001）
脂肪电离辐射风险模型：具有这两种预测因素个体乳腺癌发生概率显著较高（概率比：3.45（95%置信区间：1.77～7.24；P<0.0002）

因此，该研究结果表明，采用人工智能深度学习定量分析结合衰老相关细胞核形态，可以从正常乳腺活检标本预测将来的乳腺癌风险。多种模型组合与目前临床金标准盖尔模型相比，可显著改善对将来乳腺癌风险的预测。显微镜图像人工智能深度学习模型对于预测将来癌症发展可以发挥重要作用，此类模型可以纳入当前的乳腺癌风险定量分析和筛查方案，对于高风险女性可以加强乳腺钼靶监测和活检，对于低风险女性可以避免乳腺钼靶监测和活检。

免责声明

本文仅供专业人士参看，文中内容仅代表SIBCS立场与观点，不代表肿瘤资讯平台意见，且肿瘤资讯并不承担任何连带责任。若有任何侵权问题，请联系删除。版权归文章作者所有，作者拥有所有法定权利。

10月19日

马利平

漯河市第六人民医院 | 肿瘤科

显微镜图像人工智能深度学习模型对于预测将来癌症发展可以发挥重要作用

10月17日

苗雨

清河县人民医院 | 肿瘤内科

通过人工智能深度学习定量分析健康女性志愿者乳腺组织衰老相关细胞核形态，探讨衰老标志物对乳腺癌发展的临床意义，预测将来发生乳腺癌的风险

10月17日

李云龙

磐石市医院 | 乳腺外科

学习前沿知识，获益良多，谢谢分享。