Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

L'AI peut aider à éliminer l'utilisation de la biopsie pour des patients de cancer du cerveau

Les patients de cancer du cerveau dans les années à venir peuvent ne pas devoir aller sous le couteau aider des médecins à déterminer la meilleure demande de règlement pour leurs tumeurs.

Une étude neuve par artificial intelligence du sud-ouest d'expositions d'UT peut recenser une mutation génétique spécifique dans une tumeur de gliome simplement en examinant les images 3D du cerveau - avec plus de 97 pour cent d'exactitude. Une telle technologie pourrait potentiellement éliminer la pratique commune des cabinets de consultation de traitement préparatoire en lesquels des échantillons de gliome sont prélevés et analysés pour choisir un traitement adapté.

Les scientifiques en travers du pays avaient vérifié d'autres techniques d'imagerie ces dernières années, mais la dernière recherche décrit peut-être un des méthodes les plus précises et cliniquement les plus viables dans l'effort répandu pour modifier le paradigme d'évaluer le cancer du cerveau.

Connaître un état particulier de mutation dans les gliomes est important en déterminant des stratégies de pronostic et de demande de règlement. La capacité de déterminer cet état utilisant juste la représentation et l'AI conventionnelles est un saut grand vers l'avant. »

Joseph Maldjian, M.D., responsable de neuroradiology à l'institut du sud-ouest de cerveau d'UT O'Donnell

Enzymes mutées

L'étude a employé un réseau profond-apprenant et une imagerie par résonance magnétique normale (MRI) pour trouver l'état d'une déshydrogénase appelée d'isocitrate de gène (IDH), qui produit une enzyme qui sous la forme mutée peut déclencher la croissance tumorale dans le cerveau.

Les médecins disposant à traiter des gliomes feront souvent subir à des patients la chirurgie pour obtenir le tissu tumoral qui s'analyse alors pour déterminer l'état de mutation d'IDH. La stratégie de pronostic et de demande de règlement variera basé en circuit si un patient a un gliome IDH-muté.

Cependant, parce que l'obtention d'un échantillon adéquat peut parfois être longue et risqué - en particulier s'il est difficile atteindre des tumeurs - les chercheurs avaient étudié des stratégies non-chirurgicales pour recenser l'état de mutation d'IDH.

L'étude, publiée ce printemps en Neuro-Oncologie, se différencie de la recherche précédente de trois voies :

  • La méthode est hautement précise. Les techniques précédentes souvent n'ont pas éclipsé 90 pour cent d'exactitude.
  • L'état de mutation a été déterminé en analysant seulement une seule suite de M. images, par opposition aux types d'image multiple.
  • Un algorithme unique a été exigé pour évaluer l'état de mutation d'IDH dans les tumeurs. D'autres techniques ont exigé ou les régions d'intérêt tirées par la main ou les modèles profond-apprenants complémentaires à d'abord recensent les limites de la tumeur puis trouvent des mutations potentielles.

« La beauté de ce modèle profond-apprenant neuf est sa simplicité et niveau élevé d'exactitude, » dit Maldjian, ajoutant que des méthodes assimilées peuvent être employées pour recenser d'autres marqueurs moléculaires importants pour différents cancers. « Nous avons retiré des opérations complémentaires de prétraitement et avons produit un scénario idéal pour transitioning facilement ceci dans des soins cliniques à l'aide des images qui sont par habitude acquises. »

Représentation de tumeur

Les gliomes comportent la majorité intense des tumeurs malignes trouvées dans le cerveau et peuvent souvent écarter rapidement par le tissu environnant. Le taux de survie de cinq ans pour les gliomes à haute teneur est 15%, bien que les tumeurs avec des enzymes mutées d'IDH aient généralement un meilleur pronostic.

L'état de mutation d'IDH aide également des médecins à décider d'une association de traitements la plus adaptée pour le patient, de la chimiothérapie et de la radiothérapie à la chirurgie pour retirer la tumeur.

Pour améliorer le procédé de trouver des mutations d'enzymes et de décider du traitement adapté, l'équipe de Maldjian a développé deux réseaux profond-apprenants qui ont analysé des caractéristiques de représentation d'a publiquement - base de données procurable de plus de 200 patients de cancer du cerveau de l'autre côté des États-Unis.

Un réseau a employé seulement une séries de l'IRM (images de T2-weighted), alors que l'autre image multiple utilisée tape de l'IRM. Les deux réseaux ont réalisé presque la même exactitude, proposant que le procédé de trouver des mutations d'IDH pourrait être sensiblement profilé à l'aide seulement des images de T2-weighted.

« Grande illustration »

L'équipe de Maldjian vérifiera ensuite son modèle profond-apprenant sur de plus grands ensembles de données pour la validation complémentaire avant de décider si comporter la technique aux soins cliniques.

En attendant, les chercheurs espèrent développer des médicaments pour empêcher IDH par des tests cliniques nationaux actuels. Si efficaces, ces inhibiteurs pourraient combiner avec des techniques d'AI-représentation pour réviser comment quelques cancers du cerveau sont évalués et traités.

« Dans la grande illustration, nous pouvons pouvoir traiter quelques gliomes sans opérer sur un patient, » Maldjian dit. « Nous avions l'habitude l'AI pour trouver un gliome IDH-muté, puis pour employer des inhibiteurs d'IDH pour ralentir ou pour renverser la croissance tumorale. L'inducteur de la radio-génomique éclate avec des possibilités. »

Source:
Journal reference:

Yogananda,C.G.B., et al. (2020) A novel fully automated MRI-based deep-learning method for classification of IDH mutation status in brain gliomas. Neuro-Oncology. doi.org/10.1093/neuonc/noz199.