Intelligenza artificiale per la previsione del cancro del colon-retto TMB-H dalle caratteristiche istopatologiche

I biomarcatori sono determinanti importanti di approcci terapeutici appropriati ed efficaci per varie malattie, compreso il cancro. Vi sono ampie prove che indicano l'importanza degli inibitori del check point immunitario (ICI) contro il cancro, e hanno mostrato promettenti benefici clinici a un gruppo specifico di pazienti con cancro del colon-retto (CRC). Diversi rapporti hanno dimostrato l'efficacia di biomarcatori come il ligando proteico della morte programmata-1 (PD-L1), densità dei linfociti infiltranti il ​​tumore (TIL), e carico mutazionale del tumore (TMB), determinare la reattività del paziente per l'uso efficiente degli ICI come terapie contro il cancro.

Un alto livello di TMB (TMB-H), che riflette un elevato numero totale di mutazioni somatiche non sinonime per area codificante di un genoma tumorale e normalmente derivate da test del pannello genetico, è riconosciuto come un promettente biomarcatore per le terapie ICI di vari tumori solidi. Però, nella pratica clinica, non è possibile eseguire test del pannello genetico per tutti i pazienti oncologici.

Dr. Yoshifumi Shimada e collaboratori della Divisione di Chirurgia Digestiva e Generale, Scuola di specializzazione in scienze mediche e odontoiatriche, Università di Niigata, considerato TMB-H da uno specifico sottogruppo di pazienti CRC, come marcatore più robusto per prevedere l'efficacia degli ICI, e ha sviluppato un algoritmo basato sulla rete neurale convoluzionale (CNN) per prevedere il CRC TMB-H direttamente dalle caratteristiche istopatologiche, in particolare, il TIL, ottenuti dai vetrini colorati con ematossilina ed eosina (H&E). Un'immagine microscopica rappresentativa del tumore del cancro del colon-retto ad alto carico mutazionale macchiato da H&E è mostrata nella figura allegata, dimostrando la presenza di linfociti infiltranti il ​​tumore a livello significativamente elevato rispetto al normale tessuto circostante.

Le informazioni digitali da tali immagini neoplastiche e anche non neoplastiche ottenute dalla coorte JP-CRC vengono trasformate e normalizzate per la costruzione di un modello predittivo di rete neurale convoluta utilizzando il modello di apprendimento Inception V3, dal gruppo Dr. Shimada. Il modello basato sulla CNN sviluppato dal Dr. Shimada e collaboratori ha il potenziale non solo di ridurre l'onere di una corretta diagnosi sui patologi, ma anche di fornire le informazioni necessarie sulla reattività dei pazienti alle terapie basate sull'ICI, senza l'uso di costosi, test del pannello genetico che richiedono tempo e non sono facilmente disponibili. Questo studio del Dr. Shimada e collaboratori è pubblicato in un recente numero di Giornale di Gastroenterologia (2021; vol. 56:pp. 547-559; https:/ / doi. org/ 10. 1007/ s00535-021-01789-w).

Inoltre, gli studi del gruppo del Dr. Shimada hanno anche fornito mezzi per prevedere la TMB-H CRC solo utilizzando le informazioni TIL dai vetrini H&E dai tessuti tumorali dei pazienti. Però, considerando che i pazienti della coorte studiata non sono stati trattati con alcun ICI, non è stato possibile trarre conclusioni sulla loro reattività all'ICI in seguito alla diagnosi di TMB-H ed è stato suggerito che futuri studi clinici devono essere condotti per valutare se il TIL da solo può essere utile come biomarcatore predittivo per l'efficacia degli ICI.

Il Dr. Shimada dice riguardo al presente studio:" Abbiamo sviluppato l'intelligenza artificiale per prevedere le alterazioni genetiche nel cancro del colon-retto mediante l'apprendimento profondo utilizzando vetrini di ematossilina ed eosina. Questa intelligenza artificiale è importante per risolvere i problemi di costo associati all'analisi genetica e facilitare la medicina personalizzata nel cancro del colon-retto ."

Globale, gli studi del Dr. Shimada e associati forniscono un metodo efficace e affidabile in termini di costi e tempo per informare i medici se il paziente CRC che stanno gestendo può beneficiare dell'inibitore del checkpoint immunitario (compresi gli inibitori della proteina PD-1 e del suo ligando, PD-L1) terapia, senza implicare l'uso del pannello genico.

• a basso contenuto di fibre,
• Stent ispirato a Kirigami per migliorare la somministrazione di farmaci per le malattie che colpiscono gli organi tubulari