एआई मॉडल एक साथ ऊतक के नमूनों में कई आनुवंशिक कोलोरेक्टल कैंसर मार्करों का पता लगाता है

एक बहुस्तरीय अध्ययन ने यूरोप और अमेरिका में सात स्वतंत्र सहकर्मियों में बृहदान्त्र कैंसर के रोगियों से लगभग 2,000 डिजीटल ऊतक स्लाइड का विश्लेषण किया है। नमूनों में ऊतक के नमूनों और नैदानिक, जनसांख्यिकीय और जीवन शैली के डेटा के पूरे-स्लाइड छवियां शामिल थीं।

शोधकर्ताओं ने नियमित रूप से सना हुआ हिस्टोलॉजिकल बृहदान्त्र कैंसर ऊतक वर्गों से सीधे आनुवंशिक परिवर्तनों की एक विस्तृत श्रृंखला की भविष्यवाणी करने के लिए एक उपन्यास “मल्टी-टारगेट ट्रांसफार्मर मॉडल” विकसित किया है। पिछले अध्ययन आम तौर पर एकल आनुवंशिक परिवर्तनों की भविष्यवाणी करने के लिए सीमित थे और सह-होने वाले उत्परिवर्तन या साझा रूपात्मक पैटर्न के लिए जिम्मेदार नहीं थे।

मॉडल आनुवंशिक परिवर्तन का पता लगाता है और परिणामस्वरूप ऊतक सेक्शन छवियों से सीधे कोलोरेक्टल कैंसर में ऊतक परिवर्तन होता है। यह भविष्य में तेजी से और अधिक लागत प्रभावी निदान को सक्षम कर सकता है। मॉडल के विकास, सत्यापन और डेटा विश्लेषण के लिए, डेटा और कंप्यूटर विज्ञान में विशेषज्ञों, महामारी विज्ञान, पैथोलॉजी और ऑन्कोलॉजी ने एक साथ मिलकर काम किया।

अध्ययन पत्रिका में प्रकाशित किया गया है लैंसेट डिजिटल हेल्थ।

“इससे पहले के गहरे सीखने के मॉडल और अंतर्निहित ऊतक परिवर्तनों के विश्लेषण ने आम तौर पर एक समय में केवल एक ही उत्परिवर्तन पर ध्यान केंद्रित किया है। हमारा नया मॉडल, हालांकि, कई बायोमार्कर की पहचान कर सकता है, जिसमें कुछ अभी तक नैदानिक ​​रूप से प्रासंगिक नहीं माना जाता है। हम कई स्वतंत्र सहकर्मियों में यह प्रदर्शित करने में सक्षम थे। टीयू ड्रेसडेन में डिजिटल हेल्थ के लिए ईकेएफजेड में अध्ययन और शोधकर्ता के पहले लेखक।

कुछ प्रकार के कोलोरेक्टल कैंसर को माइक्रोसैटेलाइट अस्थिरता (एमएसआई) के आधार पर वर्गीकृत किया जा सकता है। Microsatellites छोटे, दोहराए जाने वाले डीएनए अनुक्रम पूरे जीनोम में फैले हुए हैं। कैंसर में, एमएसआई तब हो सकता है जब डीएनए मरम्मत प्रणाली में दोषों के कारण ये अनुक्रम अस्थिर हो जाते हैं। एमएसआई उन रोगियों की पहचान करने के लिए एक महत्वपूर्ण बायोमार्कर है जो इम्यूनोथेरेपी से लाभान्वित हो सकते हैं।

“यह बताता है कि विभिन्न उत्परिवर्तन सामूहिक रूप से ऊतक आकृति विज्ञान में परिवर्तन में योगदान करते हैं। मॉडल साझा दृश्य पैटर्न को पहचानता है, बजाय स्वतंत्र रूप से व्यक्तिगत आनुवंशिक परिवर्तनों की पहचान करने के लिए,” वे कहते हैं।

शोधकर्ताओं ने प्रदर्शित किया कि उनके मॉडल का मिलान किया गया और आंशिक रूप से कई बायोमार्कर, जैसे कि बीआरएफ या आरएनएफ 43 म्यूटेशन, और माइक्रोसैटेलाइट अस्थिरता (एमएसआई) की भविष्यवाणी करने में आंशिक रूप से स्थापित एकल-लक्ष्य मॉडल को सीधे पैथोलॉजी स्लाइड से सीधे किया गया।

हिस्टोलॉजिकल स्लाइड से ऊतक परिवर्तनों का आकलन करने के लिए आवश्यक पैथोलॉजिकल विशेषज्ञता अनुभवी चिकित्सा विशेषज्ञों द्वारा प्रदान की गई थी। यूनिवर्सिटी अस्पताल ऑग्सबर्ग के डॉ। निक रिटम ने अध्ययन में महत्वपूर्ण भूमिका निभाई।

अध्ययन के महत्व को उजागर करते हुए, Jakob N. Kather, Tu Dresden में डिजिटल हेल्थ के लिए EKFZ में नैदानिक ​​कृत्रिम बुद्धिमत्ता के प्रोफेसर और विश्वविद्यालय के अस्पताल में NCT/UCC में वरिष्ठ ऑन्कोलॉजिस्ट कार्ल गुस्ताव कारुस ड्रेसडेन कहते हैं, “हमारे शोध से पता चलता है कि AI मॉडल डायग्नोस्टिक वर्क्स में काफी तेजी ला सकते हैं।

“इसी समय, ये विधियां कोलोरेक्टल कैंसर में आणविक और रूपात्मक परिवर्तनों के बीच संबंधों में नई अंतर्दृष्टि प्रदान करती हैं। भविष्य में, इस तकनीक का उपयोग एक प्रभावी पूर्व-स्क्रीनिंग टूल के रूप में किया जा सकता है ताकि चिकित्सकों को आगे आणविक परीक्षण के लिए रोगियों का चयन करने में मदद मिल सके और व्यक्तिगत उपचार निर्णयों का मार्गदर्शन किया जा सके।”

अनुसंधान टीम अब इस दृष्टिकोण को अन्य प्रकार के कैंसर के लिए बढ़ाने की योजना बना रही है।