如何在致命脑瘤复发前进行治疗?人工智能工具或许能帮上忙

胶质母细胞瘤是成人最常见的恶性脑肿瘤，也是最致命的，确诊后的中位生存期约为17个月。即使外科医生切除了所有可见的肿瘤，患者也接受了后续治疗，癌症几乎总是会复发。 

现在，由加州大学旧金山分校和密歇根大学领导的研究团队开发出一种人工智能方法，能够高精度地预测首次复发的可能位置。在胶质母细胞瘤中，大多数患者的复发部位位于肿瘤腔内或附近。

这项研究结果于 9 月 25 日发表在 《科学进展》杂志上 ，并得到了美国国立卫生研究院的支持。该研究最终可能使医生能够在新的肿瘤通过 MRI 成像显现之前，对这些区域进行靶向治疗。

“该系统具有巨大的潜力，能够为神经外科医生在肿瘤切除过程中提供宝贵的实时指导，”论文第一作者、 加州大学旧金山分校和德雷克塞尔大学医学院的博士后研究员桑吉夫·赫尔医学博士说。“它还可以提供指导后续治疗决策的见解。” 

该研究的资深作者、加州大学旧金山分校健康中心的神经外科医生肖恩·赫维-詹珀医学博士和威尔神经科学研究所的特聘教授米切尔·伯杰医学博士 表示，这些治疗方法可能包括在初次手术中安全 的情况下切除额外的组织。 

他说：“对于脑部病变无法切除的患者，可以采用针对预测的进展部位的其他治疗方法，例如高剂量局部放射治疗或通过颅骨插入的导管将药物直接注入肿瘤。” 

使用未经处理的组织可以节省时间和精力。

研究人员分析了加州大学旧金山分校健康中心胶质母细胞瘤患者手术期间采集的组织样本，这些患者的中位复发时间为 5.5 个月。他们利用来自 60 名患者的约 300 个样本建立了模型，并分别用来自另外 20 名患者的约 100 个样本进行了测试。

研究人员使用了一种名为受激拉曼组织学（SRH）的技术，该技术可在不到一分钟的时间内生成新鲜、未经处理的组织的显微图像。传统的病理学方法需要用染料和染色剂处理组织，这既耗时又费力。 

随后，他们使用FastGlioma分析了这些图像。FastGlioma是由加州大学旧金山分校和密歇根大学的研究人员开发的人工智能系统。该系统根据肿瘤浸润程度对组织进行评分。 

单凭人工智能评分，其预测哪些区域日后会发生肿瘤复发的表现与传统病理学基本相当。但当研究人员将人工智能评分与临床、影像和分子数据相结合，并在六个机器学习模型上进行测试后发现，表现最佳的模型能够更准确地区分哪些部位会发生复发，哪些部位不会。 

在六个模型中的五个模型中，AI 对肿瘤浸润程度的测量也是复发的最强个人预测因子，其提供的预测信息比肿瘤的分子特征更多。 

研究人员还测试了该模型预测复发部位的精确度。结果表明，该模型能够很好地预测癌症是否会在取样组织5毫米或10毫米范围内复发。

研究团队选择第一次复发作为研究对象，是因为患者在疾病后期经常接受实验性治疗，这些治疗可能会影响肿瘤生长，从而导致后续复发更难可靠地预测。  

“我们的总体目标是延缓首次复发，”该研究的共同资深作者、密歇根大学安娜堡分校神经外科机器学习实验室的托德·霍伦医学博士说。“最终，我们希望延长治疗窗口期能够转化为更长的生存期。”

参考文献

Optical microscopy predictions of focal recurrence in glioblastoma