您好,欢迎您

【2021 ESMO】肿瘤精准识别黑科技:AI集成红外(IR)成像对未染色组织样本进行早期结肠癌微卫星状态的自动检测

2021年09月20日
编译:肿瘤资讯
来源:肿瘤资讯

2021年欧洲最具影响力的肿瘤学术大会(ESMO)于9月16~21日以线上会议形式召开,众多国际前沿和备受关注的临床肿瘤学科研成果和临床数据将进行披露。本次大会上,一项人工智能(AI)集成红外(IR)成像对未染色组织样本进行早期结肠癌(CC)微卫星状态的自动检测研究入选大会口头汇报,这项肿瘤精准识别黑科技引发关注。

图片3.png

研究背景

无标记的量子级联激光器(Quantum Cascade Laser,简称QCL)是一种新型半导体激光器,其红外成像IR与人工智能AI的结合能为未染色的肿瘤组织样本提供空间识别和分子分型的分辨率。例如,可以对诸如微卫星状态(MS)的分子分型改变进行分类。为了验证MS状态的示例方法,本研究对来自多中心登记的AIO CPP组织样本进行前瞻性分析。

研究方法

将人工智能AI与红外成像IR相结合,其中convolutional neural networks(CNN)可以利用QCL红外显微镜在30分钟内将拍摄的组织样本进行微卫星状态(MS)的确定。第一个CNN(U-Net)定位识别肿瘤区域,第二个CNN(VGG-Net)对MS状态进行鉴定。终点为受试者工作特征曲线下面积(AUC-ROC)和准确率-召回率曲线下面积(AUPRC)。

研究结果

这项多中心临床研究共纳入491例受试者(无肿瘤者100例/肿瘤患者391例)。各项基线特征包括BRAF突变在各个队列中平均分布。在491例受试者上测试U-Net来确定肿瘤组织(试验组n=294,测试组n=100,验证组n=97),结果呈现验证组的AUC-ROC为0.99。同样在391例肿瘤患者中测试确定MS的状态,呈现的AUC-ROC为0.83,AUPRC为0.64。相信在未来更长的测试阶段预计会有更进一步的显著改善。

研究结论

QCL红外成像IR结合人工智能AI可以在30分钟内自动准确地对未染色的肿瘤组织进行识别,其AUC-ROC为0.99。此外,它同时提供肿瘤分子分型分析,如本研究MS状态的确定。基于红外图像中编码的形态学和分子分型改变,AI模型将扩展到诸如预后和治疗反应预测等问题,以促进精准肿瘤学的发展。

参考文献

F. Großerüschkamp, S.M. Schörner, A-L. Kraeft et al. Automated detection of microsatellite status in early colon cancer (CC) using artifificial intelligence (AI) integrated infrared (IR) imaging on unstained samples from the AIO ColoPredictPlus 2.0 (CPP) registry study. 2021ESMO,COLORECTAL CANCER 3850.


责任编辑:Yoly
排版编辑:Yoly

                   

评论
2021年12月30日
梁留峰
叶县人民医院 | 消化内科
人工智能(AI)集成红外(IR)成像对未染色组织样本进行早期结肠癌(CC)微卫星状态的自动检测
2021年12月29日
梁留峰
叶县人民医院 | 消化内科
人工智能(AI)集成红外(IR)成像对未染色组织样本进行早期结肠癌(CC)微卫星状态的自动检测
2021年12月06日
范滨
牡丹江市肿瘤医院 | 肿瘤内科
不断学习,不断提高