Mašininis mokymasis pagerina ankstyvą gliomos mutacijų aptikimą

Mašininio mokymosi (ML) metodais galima greitai ir tiksliai diagnozuoti gliomų – pirminių smegenų auglių – mutacijas.

Tai patvirtina neseniai Karlo Landsteinerio medicinos mokslų universiteto (KL Krems) atliktas tyrimas. Šio tyrimo metu fiziometabolinio magnetinio rezonanso tomografijos (MRT) duomenys buvo analizuojami naudojant ML metodus, siekiant nustatyti metabolinio geno mutacijas. Šio geno mutacijos turi didelę įtaką ligos eigai, o ankstyva diagnostika svarbi gydymui. Tyrimas taip pat rodo, kad šiuo metu taikomi nenuoseklūs fiziometabolinių MR vaizdų gavimo standartai, o tai trukdo įprastiniam klinikiniam metodo naudojimui.

Gliomos yra dažniausiai pasitaikantys pirminiai smegenų augliai. Nepaisant vis dar prastos prognozės, individualizuota terapija gali žymiai pagerinti gydymo sėkmę. Tačiau tokios pažangios terapijos naudojimas priklauso nuo individualių naviko duomenų, kuriuos sunku gauti dėl gliomų buvimo smegenyse. Vaizdo gavimo metodai, tokie kaip magnetinio rezonanso tomografija (MRT), gali pateikti tokius duomenis, tačiau jų analizė yra sudėtinga, daug darbo reikalaujanti ir daug laiko reikalaujanti. Centrinis diagnostinės medicininės radiologijos institutas universitetinėje St. Pölten ligoninėje, KL Krems mokymo ir tyrimų bazėje, daugelį metų kuria mašininius ir giluminio mokymosi metodus, kad automatizuotų tokias analizes ir integruotų jas į įprastas klinikines operacijas. Dabar pasiektas dar vienas proveržis.

„Pacientai, kurių gliomos ląstelės turi mutavusią izocitrato dehidrogenazės (IDH) geno formą, iš tikrųjų turi geresnes klinikines perspektyvas nei laukinio tipo pacientai“, – aiškina Centrinio instituto medicinos fizikas profesorius Andreasas Stadlbaueris. "Tai reiškia, kad kuo anksčiau žinome mutacijos būseną, tuo geriau galime individualizuoti gydymą." Tam padeda mutavusių ir laukinio tipo navikų energijos apykaitos skirtumai. Dėl ankstesnio profesoriaus Stadlbauerio komandos darbo juos galima lengvai išmatuoti naudojant fiziometabolinį MRT, net ir be audinių mėginių. Tačiau duomenų analizė ir vertinimas yra labai sudėtingas ir daug laiko reikalaujantis procesas, kurį sunku integruoti į klinikinę praktiką, ypač todėl, kad dėl prastos pacientų prognozės rezultatų reikia greitai.

Dabartiniame tyrime komanda naudojo ML metodus šiems duomenims analizuoti ir interpretuoti, kad greičiau gautų rezultatus ir galėtų pradėti atitinkamus gydymo veiksmus. Bet kiek tikslūs rezultatai? Norėdami tai įvertinti, tyrime pirmiausia buvo naudojami duomenys iš 182 pacientų iš Sent Pelteno universitetinės ligoninės, kurių MRT duomenys buvo renkami naudojant standartizuotus protokolus.

Kai pamatėme mūsų ML algoritmų vertinimo rezultatus, – aiškina profesorius Stadlbaueris, – buvome labai patenkinti. Mes pasiekėme 91, 7% tikslumą ir 87, 5% tikslumą, kad atskirtume navikus su laukinio tipo genu nuo mutavusių formų. Tada palyginome šias reikšmes su klasikinių klinikinių MRT duomenų ML analizėmis ir galėjome parodyti, kad naudojant fiziometabolinius MRT duomenis, gaunami žymiai geresni rezultatai."

Tačiau šis pranašumas buvo išlaikytas tik analizuojant Sent Peltene surinktus duomenis naudojant standartizuotą protokolą. Tai nebuvo atvejis, kai ML metodas buvo taikomas išoriniams duomenims, ty MRT duomenims iš kitų ligoninių duomenų bazių. Šioje situacijoje ML metodas, parengtas remiantis klasikiniais klinikiniais MRT duomenimis, buvo sėkmingesnis.

Priežastis, kodėl fiziometabolinių MRT duomenų analizė naudojant ML buvo blogesnė, yra ta, kad technologija vis dar jauna ir eksperimentinėje kūrimo stadijoje. Duomenų rinkimo metodai įvairiose ligoninėse vis dar skiriasi, todėl ML analizė yra šališka.

Mokslininkui problema yra „tik“ standartizacija, kuri neišvengiamai atsiras vis dažniau naudojant fiziometabolinį MRT įvairiose ligoninėse. Pats metodas – greitas fiziometabolinių MRT duomenų įvertinimas naudojant ML metodus – parodė puikius rezultatus. Todėl tai yra puikus būdas nustatyti IDH mutacijos būseną glioma sergantiems pacientams prieš operaciją ir individualizuoti gydymo galimybes.

Tyrimo rezultatai buvo paskelbti Karlo Landsteinerio sveikatos mokslų universiteto (KL Krems) žurnale.