韩国研究团队设计出可找出由其他器官转移而来的“黏液性肿瘤”最初发生部位的检查方法。其原理是让人工智能(AI)学习核糖核酸(RNA)的表达模式,从而追踪癌细胞起源的器官。
盆唐首尔大学医院妇产科教授金基东(见图)团队19日表示,已开发出以约86%的准确率找出转移性黏液性肿瘤原发部位的算法。
黏液性肿瘤若在已转移至其他器官的阶段被发现,寻找癌细胞起源器官时存在诸多限制。因为它并非坚硬的肿瘤团块,而由黏稠的黏液构成,难以区分不同器官的细胞形态与表达物质差异,也难以确定原发部位。
研究团队着眼于癌细胞起源器官不同、RNA表达模式亦不同这一点,基于1960个癌标本的转录组(一个细胞内所有RNA分子的总和)数据,将子宫颈癌、子宫内膜癌、卵巢癌、子宫癌肉瘤、胰腺癌、胃癌、大肠癌等7种原发癌的RNA模式用人工神经网络进行机器学习。在此基础上开发出查找黏液性肿瘤原发部位的算法,并确认准确率约为85.7%,证明其准确率约为现有方式的2倍。
此次研究的重大意义在于,全球首次确认在此前因难以确认原发部位而在制定最佳治疗策略上举步维艰的黏液性肿瘤领域,转录组分析可以成为突破口。
生长于身体各处的癌症随着时间推移会转移至体内其他器官,死亡风险急剧上升。特别是人体腹部同时存在胃、大肠、盲肠、胰腺等多种消化器官以及卵巢、子宫等生殖器官,因此腹腔内器官之间或向腹腔内发生癌转移的情况很多。当发现这类由其他器官转移而来的癌症时,会通过切除手术或检查采集癌细胞,再根据细胞形态或表达物质的差异找出癌细胞起源的器官,从而决定最佳治疗方法。例如,同样是长在卵巢的癌,原发部位为卵巢的癌与由大肠转移而来的癌,会使用各不相同的抗癌药物。
但若癌组织呈黏液性肿瘤形态,这种标准治疗流程就很难适用。也有研究结果显示,对于最初发生于卵巢的黏液性肿瘤,能够准确确认的概率仅为45%左右。
金教授表示:“如果能准确确认癌细胞起源部位,就能制定更能改善患者预后的治疗策略”,“计划通过后续研究,将其发展为可在临床现场应用的检查方法。”
此次研究结果发表在由SAGE出版社发行的国际学术期刊《癌症信息学(Cancer Informatics)》最新一期上。






