Forskere fra Harvard Medical School har udviklet et AI-værktøj, som med høj præcision kan skelne mellem glioblastom, den mest almindelige og aggressive hjernesvulst, og primær centralnervesystemlymfom (PCNSL), en sjældnere kræftform, der ofte forveksles med glioblastom. Begge kan optræde i hjernen, men glioblastom stammer fra hjerneceller, mens PCNSL udvikles fra immunceller. Deres ligheder under mikroskopet kan føre til fejldiagnoser, hvilket kan have alvorlige konsekvenser for behandlingen.
Værktøjet, som hedder PICTURE (Pathology Image Characterization Tool with Uncertainty-aware Rapid Evaluations), blev beskrevet den 29. september i tidsskriftet Nature Communications. AI-modellen er offentligt tilgængelig for andre forskere, der ønsker at bygge videre på den. At kunne identificere svulster, der ligner hinanden, korrekt under kirurgi er en af de største diagnostiske udfordringer i neuro-onkologi. En præcis diagnose, mens patienten stadig befinder sig i operationsstuen, kan hjælpe med at accelerere kritiske behandlingsbeslutninger, såsom om svulsten skal fjernes eller om der bør vælges stråle- og kemoterapi, som er den foretrukne behandling for PCNSL.
PICTURE værktøjet er især værdifuldt, da det kan anvendes under operationen og giver kritiske indsigter i realtid til kirurger og patologer. “Vores model kan minimere fejl i diagnosen ved at skelne mellem svulster med overlappende træk og hjælpe klinikere med at bestemme den bedste behandlingsmetode baseret på svulstens sande identitet,” sagde studiets hovedforfatter Kun-Hsing Yu.
Under hjernesvulstoperationer fjerner kirurger typisk svulstvæv til hurtig evaluering under mikroskopet. Denne hurtige vurdering udføres ved at fryse prøverne i flydende kvælstof, hvilket kan forvrænge de cellulære træk en smule, men giver en hurtig realtidsvurdering. Resultaterne fra denne første vurdering er afgørende for, om kirurgen beslutter sig for at fjerne svulsten eller lade den være tilbage.
PICTURE-modellen blev testet på 2.141 patologiprøver fra hele verden og evalueret på fem hospitaler i fire lande, hvor den overgik både menneskelige patologer og andre AI-modeller. Den identificerede kritiske kræfttræk som svulstcellernes tæthed og cellernes form. I tests korrekt skelnede PICTURE mellem glioblastom og PCNSL mere end 98% af gangene, og den kunne også identificere prøver fra 67 andre CNS-kræftformer.
Forskerne ser et stort potentiale i at implementere PICTURE i operationsstuer og patologiske afdelinger som et første filter til at adskille glioblastom fra PCNSL. Dette værktøj kan også hjælpe med at demokratisere adgangen til neuropatologi, et specialiseret område med mangel på eksperter. Fremtidigt arbejde kan udvide værktøjet til at omfatte andre kræftformer og kombinere det med genetiske og molekylære data for dybere indsigter.