Derin öğrenme, patoloji slaytlarında böbrek kanseri hakkında önemli ipuçlarını ortaya koyuyor

Dana-Farber’deki bir araştırmacı ekibi, derin öğrenme ile görüntü işlemeyi kullanarak, bir böbrek kanseri türü olan berrak hücreli renal hücreli karsinomun (ccRCC) klinik açıdan değerli özelliklerini değerlendirmek için potansiyel yeni bir yöntem belirledi. Yapay zeka tabanlı değerlendirme aracı, bir patoloji slaydındaki bir tümör örneğinin 2 boyutlu görüntülerini değerlendirir ve bir tümörün immünoterapiye yanıt verip vermeyeceğini tahmin etmeye yardımcı olabilecek, ince tümör heterojenliği gibi önceden takdir edilmemiş özellikleri tanımlar.

Sonuçları, patoloji slaytlarının ccRCC tümörleri ve belki de tüm tümör türleri hakkında kanser biyolojisi hakkında daha fazla bilgi edinmek için değerli olabilecek önemli biyolojik bilgiler içerdiğini göstermektedir.

Cell Reports Medicine dergisinde açıklanan çalışma, Dana-Farber’in kanser bakımını ve kanser tespitini dönüştürmek için yapay zekayı biyolojik yollarla kullanmaya yönelik daha geniş bir çabanın parçası.

Dana-Farber Nüfus Bilimleri Bölümü başkanı, ortak yazar Eliezer Van Allen, MD, PhD, “Bu, yapay zeka ile kanser biyolojisi arasındaki artan yakınlaşmanın bir örneğidir” diyor. “Bu, bir tümörün temel özelliklerini ve onun bağışıklık mikro ortamını aynı anda ölçmek için büyük bir fırsatı temsil ediyor. Bu ölçümler yalnızca biyolojik keşiflere yardımcı olmakla kalmayıp, aynı zamanda potansiyel olarak kanser tedavisine de rehberlik edebilir.”

Böbrek hücreli karsinom dünya çapında en sık görülen 10 kanser türü arasındadır. Şeffaf hücre alt tipi (ccRCC), metastatik vakaların %75-80’ini oluşturur. Bazı tümörler immün kontrol noktası inhibitörlerine (ICI’ler) karşı duyarlıdır, ancak bugüne kadar bir ccRCC tümörünün bir ICI ile immünoterapiye yanıt verip vermeyeceğini öngören hiçbir ölçüm yoktur.

Van Allen’ın laboratuvarında yüksek lisans öğrencisi olan ve şu anda PathAI’de çalışan ilk yazar Ph.D. Jackson Neiman, “İmmünoterapiye yanıt veren bir tümörün neye benzediğini bilmek istedik” diyor. “Patoloji slaytında bize tümörlerde neyin farklı olduğuna dair ipucu verebilecek herhangi bir şey var mı?”

Teşhisin bir parçası olarak patologlar, hücrelerin yapısını ortaya çıkarmak için boyanmış tümör örneklerinin patoloji slaytlarını analiz eder. Rutin ölçüm, kanser hücrelerinin normal hücrelerden ne kadar saptığını gösteren nükleer derecedir.

Nieman, Van Allen, patologlar Dana Farber, Sabina Signoretti, MD ve Merkezin yöneticisi Tony Choueiri, MD ile işbirliği yaptı. Lank Genitoüriner Tümörler Merkezi Dana-Farber’deki projede ilk olarak tümörün nükleer derecesini değerlendirmek için bir yapay zeka modeli eğitti. AI modeli yalnızca nükleer dereceyi değerlendirmekle kalmadı, aynı zamanda tümör numunesi genelindeki derece farklılıklarını da tanımlayabildi.

Bu bulgu, ekibe, tümör heterojenliğini ve bir çip boyunca bağışıklık infiltrasyonu gibi immünolojik özelliklerini ölçmek için derin öğrenme modelini genişletme konusunda ilham verdi. Tümör mikroheterojenitesi, slayt boyunca nükleer derecenin ne kadar değiştiğinin bir ölçüsüdür. Bağışıklık infiltrasyonu, bağışıklık sisteminin savaşçıları olan lenfositlerin bir tümöre ne kadar derinden nüfuz ettiğinin bir ölçüsüdür. Bu işlemler patologlar tarafından yapılabilir ancak rutin olarak gerçekleştirilemeyecek kadar zaman alıcıdır.

AI modellerini kullanarak bir dizi ccRCC patoloji slaytını değerlendirdiklerinde, bazı tümörlerin oldukça homojen olduğunu, diğerlerinin ise birçok farklı modelde birçok farklı nükleer dereceye sahip olduğunu gördüler. Ayrıca bazı tümörlerde lenfositlerin mevcut olduğunu, diğerlerinde ise önemli bir sızıntının bulunmadığını görebiliyorlardı.

Neiman, “Bazı hastaların görüntülerinde diğerlerine kıyasla daha önce belirgin olmayan görsel bir farklılık vardı” diyor. “Belirli kalıpların immünoterapiye yanıtı tahmin edip edemeyeceğini merak ettik.”

Bu soruyu yanıtlamak için ekip, ekibin parçası olan hastalardan alınan tümörlerin patolojik slaytlarını değerlendirmek üzere yapay zeka tabanlı aracı kullandı. CheckMate 025, faz III randomize bir klinik çalışmadır. Deneme, daha önce standart tedavi ile tedavi edilmiş olan ccRCC hastalarında bir ICI veya bir mTOR inhibitörü ile monoterapiyi test etti.

İnce tümör heterojenitesi ve immün infiltrasyon gibi özelliklerin, immün kontrol noktası inhibitörleri alan hastalarda genel sağkalımın iyileşmesiyle ilişkili olduğunu buldular. ICI’lere yanıt veren tümörlerde daha yüksek düzeyde tümör mikroheterojenitesi ve yüksek dereceli alanlarda daha yoğun lenfosit infiltrasyonu vardı.

Van Allen, “Bu sinyaller göz önünde saklanıyor” diyor. “Patologların pratikte tek tek slaytlar üzerinde ölçüm yapması zordur. Yapay zeka ile bu slaytlardan daha fazla bilgi elde etmek için ölçeklenebilir bir yönteme sahibiz.”

Araç klinik kullanıma hazır değil ancak bir sonraki adım olarak ekip, ccRCC hastalarında birinci basamak tedavi olarak kombinasyon immünoterapisini içeren devam eden bir klinik deneyde onu test ediyor. Ekip ayrıca patoloji slaytlarındaki bu görsel ipuçlarının, genlerdeki değişiklikler gibi tümörün moleküler özellikleriyle bağlantılı olup olmadığını araştırmayı planlıyor.

Van Allen, “Histopatoloji slaytlarından tümör ve mikro çevre özelliklerini tanımlamak ve bunların moleküler ve klinik koşullarla ilişkilerini belirlemek için derin öğrenme stratejilerini kullanmak, tümör türleri ve tedavi yöntemleri genelinde değere sahip olabilir” diyor.