凯斯西储大学的科学家们已经使用人工智能 (AI) 来识别乳腺癌的新生物标志物，这些生物标志物可以预测癌症在治疗后是否会复发——并且可以从常规获得的早期乳腺癌组织活检样本中进行识别。
最初确定的关键是胶原蛋白，这是一种遍及全身(包括乳房组织)的常见蛋白质。先前的研究表明，胶原蛋白网络或纤维的排列与乳腺癌的侵袭性密切相关。但 Case Western Reserve 研究人员的这项工作明确证明了胶原蛋白的关键作用——仅使用标准组织活检载玻片和 AI。
研究人员使用机器学习技术分析了来自乳腺癌患者的数字化组织样本数据集，能够证明有序排列的胶原蛋白是侵袭性肿瘤和可能复发的关键预后生物标志物。
相反，他们表明，无序或损坏的胶原蛋白基础设施不仅表明更好的结果，而且实际上促进了结果。他们还发现，无序的胶原蛋白网络可防止其他侵袭性肿瘤从乳腺组织中迁移出来，并有助于防止其在化疗等各种癌症治疗后复发。
“这听起来违反直觉，但胶原纤维在肿瘤迁移中发挥作用，”凯斯西储大学唐奈尔研究所生物医学工程教授兼计算成像和个性化诊断中心 (CCIPD) 负责人 Anant Madabhushi 说。“理解它的一种方法是说，如果胶原蛋白‘高速公路’的形状很糟糕，肿瘤就更难迁移，但如果它光滑有序，则肿瘤更容易搭便车。”
博士生Haojia Li领导了这项研究，该研究发表在npj Breast Cancer杂志上。其他作者包括凯斯西储医学院人口与定量健康科学教授付平富，以及来自多个机构的其他人。
简单的组织切片，复杂的计算
李说这个项目很重要，因为：
它验证了其他已发表研究的结果，这些研究表明高度组织的胶原蛋白表明预后较差。
它是通过这些简单组织切片的数字化图像完成的，这表明这种方法可以成为病理学家日常工作的一部分。
目前用于检查和研究胶原结构的方法需要昂贵且不太常见的电子显微镜。
“我们的方法将使更多的医生和没有资源配备先进成像显微镜的医院更容易预测结果，”李说。“这就是为什么这如此令人兴奋——因为它可以为医生提供他或她需要的信息，以指导如何积极地治疗癌症。”
计算工作于 2020 年完成，基于常规组织样本的数据集，称为 H&E(苏木精和伊红)染色载玻片，取自诊断为早期雌激素受体阳性 (ER+) 乳腺癌的患者。
标签： 乳腺癌
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！