一种将大肠癌组织切片拍摄为高分辨率“数字照片”后用人工智能软件(AI SW)进行分析,从而筛选出复发·转移风险高出2~3倍患者的方法已被开发出来。患者中有26%属于“复发·转移高危组”。
据首尔大学医院29日消息,姜庆勋、裴正模教授与住院医师柳升渊研究团队将2005~2012年间采集的578名大肠癌患者的组织切片扫描为可放大至20倍的图像,再用AI SW分析并分为5种类型,取得了上述成果。
研究结果显示,即便广泛使用的“TNM分期”相同,属大肠癌复发·转移高危组的第4组(20%)和第3组(6%)在5年内复发·转移风险分别比第5组(25%)高约3倍和2倍。预后较差的患者组占26%,预后良好的患者组占74%(第5组·第1组·第2组)。
一般而言,大肠癌患者中75~80%的5年内复发·转移率在10%左右,较低,被归为“预后良好患者组”;20~25%复发·转移率较高,被归为“预后较差患者组”。
经确认,依据大肠癌组织切片图像与AI SW的这一病理检查·分析法所划分的5种癌症类型,与预后预测准确度高但价格昂贵、尚未在韩国商用化的CMS(consensus molecular subtype)技术的5种“基因表达型”一一对应。若实现商用化,将能以低廉费用高准确度地预测大肠癌预后。当然,还需跨越对软件分类准确度更广泛验证、韩国食品医药品安全处的批准(医疗器械)以及纳入健康保险等门槛。
裴教授解释称:“用新开发的分类法得到与CMS相同的结果,意味着基于AI的组织病理图像分析与利用RNA的全基因表达分析同样有用”,“若将该信息与已知的预后因子结合使用,就能比现在更准确地筛选复发·转移高危组并进行系统应对。”他还表示:“各大医院保存组织病理切片的空间不足,数字化管理·利用严重不足”,“希望这项研究能成为推动社会认识到为更准确的疾病诊断和治疗方案制定、亟需构建‘数字组织病理系统’的催化剂。”
该研究结果发表于国际学术期刊《临床癌症研究(Clinical Cancer Research)》。
为克服TNM分期与CMS检查·分析法的局限,研究团队用可将患者组织切片放大至20倍的高分辨率扫描仪(分辨率每像素0.5㎛)扫描制成数字图像。为利用该图像统计肿瘤浸润淋巴细胞数(TILs)并自动计算肿瘤与间质比例TSR等,还使用了数字病理图像分析的开源软件(QuPath)。在此基础上,以208种参数测量肿瘤组织内免疫细胞浸润及纤维化程度,制作出可分为5种类型的AI SW。研究团队将其应用于盆唐首尔大学医院2007~2012年招募的283名大肠癌患者,验证了可靠性。
作为癌症治疗与预后判定重要指标的TNM分期,依据△癌细胞即肿瘤(Tumor)大小、侵入周围细胞的深度分为T0(上皮细胞层)~T4(至周围脏器细胞),△癌细胞向周围淋巴结(Node)转移程度分为N0(无转移)~N3(转移至10个以上淋巴结),△癌细胞是否转移(Metastasis)至其他脏器分为M0(无转移)、M1(有转移),并将三项要素组合分为0~4期。若为早期,术后随访观察;若病情较进展,则术后进行化疗。若癌症进展较多、判断手术无效,则以化疗为主。但大肠癌以TNM分期预测预后的准确度较低,被判定为2期的患者有时病程比3期更差。
从大肠癌组织中提取RNA后,通过微阵列或RNA测序掌握全基因表达形态,并分为5种(含未分类)类型的CMS检查·分析法,预后预测准确度较高。但仅测序就需约60万~80万韩元,分析·诊断测序结果还需额外费用,应用于患者存在局限。肿瘤组织病理检查时常使用福尔马林处理组织,与“新鲜组织”不同,难以获得CMS所需的充足RNA,这也是问题之一。尽管如此,海外仍不断发表研究成果,显示按5种CMS分类类型,5年生存率、药物反应等可能存在差异。






