კიბოს ბევრად წარმატებული კლასიფიკაცია მანქანური სწავლებით

მრავალი კიბო უჯრედის მიკროსკოპულ გარეგნობაზე კლასიფიცირდება. პათოლოგიური გამოკვლევა თითქმის 200 წელია ტარდება. მაღალი სპეციალიზაციისა და მრავალი კრიტერიუმისა თუ ალგორითმის მიუხედავად, დიაგნოზს სუბიექტური მხარე აქვს, დამკვირვებლის მიხედვით ნაწილობრივ იცვლება. თანამედროვე AI ტექნოლოგიის, მანქანური სწავლების გამოყენებით ტვინის სიმსივნეთა მოლეკულური პატერნების კვლევამ უფრო ობიექტური და ზუსტი დიაგნოზი მოგვცა.
მკურნალობის საფუძველი სწორი დადგენაა. დღევანდელი AI-ით გამოსახულების დამუშავების ტექნოლოგიებით სუბიექტური შედეგისგან დამოუკიდებელი ზუსტი დიაგნოსტიკაა შესაძლებელი. Capper-ის გუნდმა მანქანურ სწავლაზე დაფუძნებული მოლეკულური მოდელებით ტვინის სიმსივნეთა ახალი კლასიფიკაცია წარადგინა.
დღეს მრავალი სიმსივნე ჰისტოლოგიურთან ერთად მოლეკულურად განისაზღვრება. WHO-მ 2016 წელს ორივეს ერთობლივი გამოყენება ურჩია. თუმცა მოლეკულური მახასიათებლების ნაკლებობით ძირითადად ჰისტოლოგიური დიაგნოზი იშვიათ ტიპებში არასაკმარისია. სირთულეა გენეტიკურად სხვადასხვა უჯრედების მოზაიკის ვარიაციები და სხვადასხვა ტვინის სიმსივნის მსგავსი ჰისტოლოგია. კვლავ ისმის კითხვა, რამდენად ასახავს ჰისტოლოგიური მსგავსება სიმსივნეთა მსგავსებას, როცა ერთნაირი ჰისტოლოგია სხვადასხვაგვარად, განსხვავებული კი ერთნაირად შეიძლება პროგრესირებდეს.
მნიშვნელოვანი პროგრესია გამოთვლითი საშუალებები, რომლებიც მანქანურ სწავლებას ჰისტოლოგიის ანალიზს აძლევს. კომპიუტერი ექიმის კლასიფიცირებული სიმსივნეების გამოსახულებათა მონაცემებით გაწვრთნეს. ის კლასიფიკაციას საკუთარი პატერნების ამოცნობის კრიტერიუმებისთვის იყენებს. თუმცა პრობლემაა, თუ კონკრეტული სიმსივნის მკაფიო დიაგნოსტიკური კრიტერიუმი არ არის ან ტიპები ჰისტოლოგიურად განურჩეველია.
Capper-მა და კოლეგებმა რთული ვიზუალური შეფასების არმსაჭირო მოლეკულურ ინფორმაციასა და ეპიგენეტიკურ ცვლილებებზეფოკუსირება გადაწყვიტეს. DNA-ის მეთილირების ცვლილებით (მეთილის ჯგუფების დამატება) მანქანური კლასიფიკაცია გამოიყენეს და პათოლოგთა ჰისტოლოგიურ დიაგნოზს შეადარეს.
DNA-ის მეთილირება ეპიგენეტიკური მოდიფიკაციაა. თანმიმდევრობას არ ცვლის, თუმცა გენების ექსპრესიასა და უჯრედის მომავალზე შეიძლება იმოქმედოს. მისი და სხვა ეპიგენეტიკის როლი კიბოში ნათელი ხდება. მრავალი კიბოს მთელგენომური ეპიგენომური პატერნი მნიშვნელოვნად იცვლება. მაგალითად გლიომაში IDH1 ან IDH2 მუტაციები მთელგენომურ მეთილირების დარღვევას იწვევს, რომელიც სპეციფიკურ კლინიკურ შედეგს უკავშირდება.
ადრე ზოგი ტვინის სიმსივნის მეთილირების პროფილირების სარგებელი აჩვენეს, რადგან ეპიგენომის ანალიზი მიუკერძოებელია. თუმცა რუტინულად კლინიკაში იშვიათია ხარჯის, ნიმუშის მოთხოვნის, ანალიზის მცოდნე პერსონალის ნაკლებობისა და მკურნალობაზე გავლენის კითხვის გამო. პროგრესიცაა: გავრცელებული ქიმიურად შენახული, ფორმალინით ფიქსირებული და პარაფინში ჩაშენებული (FFPE) სლაიდის ქსოვილიდან DNA-ის გამოყენების ტექნიკებიც არსებობს.
ავტორებმა კომპიუტერს WHO-ის თითქმის ყველა ტიპის ტვინის სიმსივნის მთელგენომური მეთილირება მისცეს. მეთილირების ამოსაცნობად ზედამხედველობით სწავლებამ პათოლოგის კლასიფიცირებული და ზედამხედველობის გარეშე სწავლების ნიმუშები გამოიყენა.
გაწვრთნის შემდეგ კომპიუტერმა პროფილებით 82 კლასად დაყო. მხოლოდ 29 შეესაბამებოდა WHO-ის წარმოდგენილი 29 ქვეკატეგორიის კონკრეტულ ტიპს.
ყველაზე საინტერესო იყო კლასები, რომლებშიც ჰისტოლოგიურად მსგავსი, თუმცა WHO-ის რამდენიმე ტიპის ან მასთან შეუსაბამო სიმსივნეები გაერთიანდა. ეს ჰისტოლოგიისგან დამოუკიდებელ მსგავსებას აჩვენებს და მკურნალობისა თუ დიაგნოსტიკის განვითარებას დაეხმარება.
ავტორებმა პათოლოგების სტანდარტული ჰისტოლოგიური ან მოლეკულური დიაგნოზის მქონე 1.104 შემთხვევა კლასიფიცირეს. %60.4-ში კომპიუტერი პათოლოგს დაემთხვა; %15.5-ში ტიპი იგივე იყო, თუმცა კომპიუტერი ქვეკლასსაც განსაზღვრავდა. %12.6-ში დიაგნოზები არ დაემთხვა.
საყურადღებოა, რომ ამ შემთხვევათა დეტალურმა ანალიზმა — მაგალითად, გენების სეკვენირებამ — ამ სიმსივნეთა %92.8 საწყისი დიაგნოზიდან კომპიუტერის კლასზე გადაიყვანა. გადაკლასიფიცირებულთა %71 განსხვავებულ ხარისხს მიეკუთვნა, რაც პროგნოზსა და მკურნალობაზე შეიძლება მოქმედებდეს. დანარჩენი (% 11.5) კომპიუტერმა ვერ დაყო. დამატებითი ანალიზით მათი მესამედი შესაძლოა იშვიათი სიმსივნე ყოფილიყო, რომლის კლასისთვის საკმარისი ნიმუში კომპიუტერს ჯერ შეხვდა.
შეიძლება Capper-ისა და კოლეგების მიდგომა კიბოს სტანდარტულ დიაგნოსტიკას შევადაროთ? თითო ნიმუშზე დაბალი ხარჯის მსგავსი უპირატესობებით მომავლის შესაძლო სტანდარტია? თუ ასეა, ეს ჰისტოლოგიური ანალიზის დასასრული იქნება?
ვრცელი მოლეკულური პროფილი, განსაკუთრებით მიკროსკოპიასთან ერთად, უდავოდ სასარგებლოა და ინდივიდუალური სიმსივნით მორგებული მკურნალობის მომავალი შეიძლება იყოს. თუმცა დღეს ჰისტოლოგია აუცილებელია: შენახვისა და მიკროსკოპიის სტანდარტული მეთოდები მსოფლიო ლაბორატორიების რუტინაში ყველაზე ხელმისაწვდომი და უნივერსალური შესავალია. დაავადება მოლეკულურადაც და უჯრედულადაც ვლინდება, ამიტომ ორივეს გაერთიანება დიაგნოსტიკას აძლიერებს.
პლატფორმის რუტინული ფართო გამოყენება ბევრ ლაბორატორიაში დღეს არაპრაქტიკულია; უახლოესი გამოყენება გაურკვეველი ჰისტოლოგიის შემთხვევებია. თუმცა დასრულებისა და გაფართოების შემდეგ ზოგ შემთხვევაში დიაგნოსტიკურ მიკროსკოპიას შეიძლება ჩაენაცვლოს.
წყაროები
Machine learning classifies cancer.
Nature, News and Views, 14 March 2018
ეს სტატია სასარგებლო იყო თქვენთვის?
თქვენი გამოხმაურება გვეხმარება შინაარსის გაუმჯობესებაში.





მკითხველთა კომენტარები
გაგვიზიარეთ თქვენი კომენტარი
თქვენი სახელი და კომენტარი მხოლოდ ადმინისტრატორის დამტკიცების შემდეგ გამოქვეყნდება. ელფოსტის მისამართი ვიზიტორებს არასოდეს ეჩვენებათ.
პირველმა დაწერეთ კომენტარი.