Jerusalem Post

Джуди Сигел-Ицкович

Исследователи из Техниона участвуют в международном исследовании, которое подтверждает эффективность быстрых и доступных альтернатив геномным тестам с использованием стандартных патологических образцов.

Рак молочной железы — наиболее часто диагностируемый вид рака в мире: 99% случаев приходится на женщин и 1% — на мужчин. Ежегодно во всем мире выявляется 2,3 миллиона случаев заболевания, в том числе около 5000 в Израиле и 300 000 в США.
Среди пациенток с гормон-рецептор-позитивным, HER2-негативным раком молочной железы на ранней стадии, что составляет около 70% случаев, серьезной проблемой является выявление тех, кому показана адъювантная химиотерапия, проводимая после операции или лучевой терапии для уничтожения оставшихся микроскопических раковых клеток и снижения риска рецидива.

Решение о необходимости проведения химиотерапии после операции является одним из самых сложных вопросов в лечении рака молочной железы на ранних стадиях. Хотя она может снизить риск рецидива опухоли, большинству пациенток она не приносит пользы, и они могут испытывать значительные краткосрочные и долгосрочные вредные побочные эффекты.

Гормональная терапия является стандартной для практически всех пациенток с HR+/HER2- раком молочной железы на ранней стадии; ключевой вопрос заключается в том, каким пациенткам может быть полезна химиотерапия в дополнение к гормональной терапии.
Исследователи из Техниона — Израильского технологического института в Хайфе — совместно с онкологами и патологами из ведущих медицинских центров за рубежом, включая Онкологический институт Дана-Фарбер в Бостоне, Медицинский центр Маунт-Синай в Нью-Йорке, Медицинский центр Чикагского университета и Институт молекулярной патологии и иммунологии Университета Порту в Португалии, разработали модель искусственного интеллекта, которая прогнозирует как риск рецидива рака молочной железы, так и вероятность того, что пациент получит пользу от химиотерапии.

Модель искусственного интеллекта – первая в своем роде, прошедшая валидацию в крупном рандомизированном клиническом исследовании – анализирует стандартные патологические препараты, взятые при постановке диагноза, предлагая быструю и широкодоступную альтернативу дорогостоящим геномным тестам.
Результаты исследования только что были опубликованы в журнале The Lancet Oncology под заголовком «Глубокое обучение на основе гистопатологических изображений для прогнозирования риска рецидива рака молочной железы и эффективности химиотерапии: многоцентровое исследование по разработке и валидации модели».
«Это сложные биологические сигналы, которые человеческий глаз не может последовательно количественно оценить», — сказал доктор Гил Шамай из Лаборатории геометрической обработки изображений Техниона (возглавляемой профессором Роном Киммелом), руководивший исследованием. «Модель интегрирует множество тонких сигналов для генерации оценки, отражающей как риск рецидива, так и ожидаемую пользу от химиотерапии».

Шамай получил докторскую степень на факультете электротехники Техниона и является научным сотрудником в лаборатории Киммеля на факультете компьютерных наук имени Тауба. Он показал, что рак оставляет уникальный след, обнаруживаемый искусственным интеллектом, и предоставляет молекулярный профиль опухолевых клеток.
Его работа была представлена ​​восторженной аудитории на 50-й конференции Европейского общества медицинской онкологии (ESMO) в Берлине в декабре прошлого года, посвященной прецизионной медицине, конъюгатам антител с лекарственными препаратами и выживаемости при раке. Он также представит более новое исследование на конференции Американского общества клинической онкологии (ASCO) в июне в Чикаго, на которой соберутся 50 000 экспертов.

Сегодня геномные тесты, такие как Oncotype DX (анализирующий активность 21 гена в опухолях молочной железы для оценки риска рецидива и прогнозирования эффективности химиотерапии), широко используются для принятия решений о химиотерапии, но эти тесты дорогостоящие, получение результатов может занять несколько недель, и они недоступны многим пациентам во всем мире. Их прогностическая точность также ограничена, что приводит как к ненужной химиотерапии, так и к упущенным возможностям для других методов лечения.
Разработанная при поддержке Техниона модель искусственного интеллекта направлена ​​на устранение этих ограничений за счет использования информации , уже имеющейся в стандартных патологических образцах.
Как компьютерное обучение может помочь патологоанатомам получить новую информацию о раке молочной железы
Десять лет назад, когда Шамай готовился к написанию докторской диссертации, он обратился к доктору Йоаву Бененбауму, врачу, работавшему в то время в медицинском центре Рамбам, и предложил тему для исследования. «Он очень умный и полон идей», — сказал Шамай в интервью газете The Jerusalem Post . «Он предложил проводить сканирование биопсий молочной железы в сочетании с компьютерным обучением для получения информации, которой нет у патологоанатомов».
Шамай вспоминал, что думал, что это будет небольшой проект, который он сделает вместе со студентом, но он оказался гораздо масштабнее и представлял собой инновацию, которую никто другой не смог реализовать. «Десять лет назад целью Йоава было предсказание статуса рецепторов по патологическим изображениям. Он предложил сканировать изображения в Рамбаме, но это оказалось непрактичным. Мы нашли изображения фрагментов тканей в интернете и, используя скрипты, создали набор данных из 5000 пациентов. Так мы показали, что молекулярный профиль можно предсказать по патологическим изображениям».
«Примерно три года назад нам был предоставлен редкий доступ к образцам тканей и клиническим данным одного из крупнейших рандомизированных исследований рака молочной железы, в котором участвовали 10 273 пациента, а также изображения их тканей, клинические данные и информация о последующем наблюдении. Целью исследования было прогнозирование эффективности химиотерапии», — продолжил он.
Система искусственного интеллекта анализирует цифровые изображения высокого разрешения опухолевой ткани, окрашенной и исследованной в рамках рутинной патологоанатомической экспертизы, и оценивает множество областей опухоли и ее микроокружения. Таким образом, она выявляет визуальные закономерности, связанные с поведением рака, включая деление клеток, структуру ткани, иммунный ответ и признаки, связанные с чувствительностью или устойчивостью к лечению.
Киммел объяснил: «Вместо того чтобы тестировать гены, мы смотрим непосредственно на ткань. Точно так же, как цвет глаз можно определить, просто взглянув на них, а не анализируя ДНК, наша система извлекает визуальный признак из патологических изображений, который помогает выбрать оптимальное лечение. В течение нескольких минут модель выдает числовой балл, который способствует совместному принятию решений онкологом и пациентом».
По словам профессора Двира Арана с факультета биологии Техниона, одного из руководителей исследования, «это первая модель ИИ, которая, как было показано, предсказывает эффективность лечения рака молочной железы непосредственно на основе патологических образцов». Модель была дополнительно проверена на тысячах пациентов из больниц Израиля (медицинские центры Кармель, Хаэмек и Шеба), США и Австралии, показав стабильную работу в различных группах пациентов, при использовании разного оборудования и в разных системах здравоохранения.
В отличие от геномных тестов, оценка на основе ИИ не требует дополнительных образцов ткани, лабораторной обработки или периода ожидания. Ее можно провести за считанные минуты в любой патологической лаборатории, оснащенной цифровым сканером и доступом в Интернет.
Потенциальное влияние этой модели актуально не только в развитых странах, но и в странах с низким и средним уровнем дохода, где геномное тестирование охватывает менее 5% пациентов. «Мы хотим, чтобы ее внедрили не только в Израиле, но и в развивающихся странах, где врачи назначают химиотерапию почти всем пациенткам с раком молочной железы. Это изменит их лечение и снизит затраты», — добавил Шамай. «Крупные больницы в Индии пригласили меня провести годичные клинические испытания, и другие больницы на Филиппинах и в Бразилии также связались с нами».
«В дальнейшем работа будет сосредоточена на перспективной валидации — получении документальных доказательств того, что он работает должным образом, прежде чем начнется коммерческое производство или внедрение, чтобы еще больше укрепить позиции этого подхода как доступного, эффективного и масштабируемого во всем мире инструмента для принятия решений о лечении рака молочной железы», — отметили они.
Исследователи также работают над дальнейшим усовершенствованием модели и ее расширением для применения к дополнительным методам лечения и другим типам рака, при которых решения об агрессивной терапии принимаются в условиях неопределенности.
Основываясь на этих результатах и ​​знаниях, накопленных за годы новаторских исследований, команда планирует создать на территории Техниона стартап, который займется разработкой тестов, сделав их значительно более доступными, точными и быстрыми по сравнению с теми, которые в настоящее время используются во всем мире.