Онкология и Изкуствен интелект

Машинното обучение може да спомогне за предсказването на KRAS мутационния статус

I.Bivolarski
I.Bivolarski
14.10.2019

Машинното обучение с определени налични ЯМР (MRI) образи може да спомогне за прогнозирането на мутационния статус на KRAS гена при пациенти с метастатичен карцином на дебелото черво (мКРК-метастазирал колоректелен карцином).

Установено е било, че при модел на машинно обучение, разглеждащ радиомичните (radiomic)
характеристики на тумора от ЯМР изображение е могло да даде до 95% точност при прогнозиране на мутационния статус на КРАС гена – жизненоважен фактор за определяне на прогнозата на пациента и за последващите решения за лечението им.

Радиомичния анализ на ЯМР изображението на туморното новообразувание може да помогне за неинвазивното оценяване на генетичния му статус и  да определи избора на лечение, както и персонализиране на терапевтичните решения при пациенти с мКРК.

Решениe за лечение

Колоректалният рак е втората водеща причина за смърт от рак в САЩ сред мъжете и третата водеща причина при жените.

Тъй като възможностите за лечение на рак на дебелото черво са се увеличили през годините, става все по-важно да се подобри процесът на вземане на  решения, кой пациент, как трябва да се лекува и как да се максимизира съотношението риск-полза при лечението му.

Докато много пациенти с метастазирал рак на дебелото черво се лекуват с EGFR- прапарати, то тези, които имат  тумори с KRAS мутация, обикновено не се повлияват добре от тази терапия.

Съответно, определянето на статуса на KRAS мутацията е много важна за оценката и прогнозата при вземане на решенията за лечение.

В конкретното проучване се е оценявала връзката между количествените характеристики на ЯМР изображенията на тумора и връзката им с статуса на KRAS  мутацията при пациенти с метастатичен рак на дебелото черво.

Също така се е оценявала ролята на радиомиката, базирана на машинно обучение, при прогнозиране на туморния мутационен статус на KRAS гена.

Metastatic colon cancer tumor identified by model

Фиг. 1

Използвайки туморни радиомични характеристики на ЯМР, моделът за машинно обучение правилно е идентифицирал KRAS мутационния статус. KRAS-отрицателен тумор (ляво) и KRAS-позитивен тумор (вдясно).

В ретроспективното проучване са били изследвани 52-ма пациенти с рак на дебелото черво в IV-ти стадии, на които е била приложена  контрастна чернодробна ЯМР в САЩ (Massachusetts General Hospital -MGH) между 2007 и 2013 г. стандартно за пациенти с метастазирал колоректален рак
в черния дроб.

Всички пациенти, включени в проучването, са имали преглед с чернодробен ЯМР в MGH в рамките на шест месеца преди  започване на лечението, и са били лекувани от в същия MGH Cancer Center.

Състоянието за мутацията на KRAS гена и стандартните  клинични и патологични прогностични факти са извлечени от медицинските картони.

Пациентите са били със средна възраст от 57.2 г., 54% са били мъже и 46% са били жени. Средният размер на лезията е била 3,35 ± 1,9 cm,  а статусът на KRAS гена за мутация е бил положителен при 60% от пациентите и отрицателен при останалите 40%.

При всеки пациент, е имало прецизнно измерване на чернодробната/те лезия според стандартите установени за това.
Многопараметричният радиомичен вектор след това е бил екстрахиран от всяка лезия. 

Така по този начин за всяка лезия са били извлечени общо 52 радиомични признака: 20 туморно морфологични особености, 15 характеристики на Law, 14  характеристики на Харалик и 3 текстурни характеристики на Tamura.

Унивариатен логистичен регресионен анализ е разкрил, че шест характеристики радиомични образи на тумора са били свързани значително със  статуса на KRAS- гена, най-вече с неговата мутация.

Това са били: циркулярност, твърдост, ексцентричност, калциране, сенчесто и стандартно отклонение в матрицата за съвпадение на сивото ниво (GLCM).

Модел на машинно обучение

След това изследователите са използвали модел за обучение на линейна поддържаща векторна машина (SVM) върху всичките 52 екстрахирани  радиомични свойства от всяка лезия.

Класификаторът SVM е бил обучен и тестван с 10-кратно кръстосано валидиране, за да се намали
вероятността от прекомерно напълване.

Моделът за машинно обучение е могъл да прогнозира статуса на KRAS -гена (дали е имало мутация) в много висока степен на точност,

Установено е било:

1.Площ под кривата на работната характеристика на приемника (ROC): 0,95
2.Точност: 95%
3.Чувствителност: 96%
4.Специфичност: 87%
5.Прецизност: 90%

Количествените изображения на ЯМР с определените характеристики на тумора са показали значителна връзка с мутационния статус на KRAS гена и са могли да бъдат използвани за прогнозирането на статуса му при метастазирал карцином на дебелото черво.

Източници на информация:

1.https://www.auntminnie.com/index.aspx?sec=rca&sub=rsna_2017&pag=dis&ItemID=119308

   Send article as PDF   
I.Bivolarski
Новости