機械学習により神経膠腫の変異の早期発見が向上

機械学習 (ML) 手法は、原発性脳腫瘍である神経膠腫の変異を迅速かつ正確に診断できます。

これは、カール・ラントシュタイナー医科大学 (KL クレムス) が最近実施した研究によって確認されています。この研究では、代謝遺伝子の変異を特定するために、生理代謝磁気共鳴画像 (MRI) データを ML 手法を使用して分析しました。この遺伝子の変異は病気の経過に大きな影響を与えるため、治療には早期診断が重要です。この研究では、生理代謝 MR 画像を取得するための基準が現在一貫していないことも示されており、この手法の日常的な臨床使用を妨げています。

神経膠腫は最も一般的な原発性脳腫瘍です。予後は依然として不良ですが、個別化治療により治療の成功率を大幅に向上できます。ただし、このような高度な治療の使用は個々の腫瘍データに依存しており、神経膠腫は脳内の位置のため、そのデータを取得するのは困難です。 磁気共鳴画像法 (MRI) などの画像技術は、そのようなデータを提供することができますが、その分析は複雑で、労働集約的で、時間がかかります。KL クレムスの教育および研究拠点であるザンクト・ペルテン大学病院の中央診断放射線医学研究所は、そのような分析を自動化し、日常的な臨床業務に統合するための機械学習およびディープラーニング手法を長年開発してきました。そして今、新たなブレークスルーが達成されました。

「神経膠腫細胞がイソクエン酸脱水素酵素 (IDH) 遺伝子の変異型を持っている患者は、野生型の患者よりも臨床的見通しが実際に良好です」と、中央研究所の医療物理学者であるアンドレアス・シュタドルバウアー教授は説明します。「これは、変異状態が早く分かればわかるほど、治療をより適切に個別化できることを意味します。」変異型腫瘍と野生型腫瘍のエネルギー代謝の違いが、これに役立ちます。シュタードルバウアー教授のチームによる以前の研究のおかげで、組織サンプルがなくても、生理代謝MRIを使用して簡単に測定できます。しかし、データの分析と評価は非常に複雑で時間のかかるプロセスであり、特に患者の予後が悪いためすぐに結果が必要なため、臨床診療に組み込むのは困難です。

現在の研究では、チームはML手法を使用してこのデータを分析および解釈し、より迅速に結果を得て適切な治療手順を開始できるようにしました。しかし、結果はどれほど正確でしょうか。これを評価するために、この研究ではまず、標準化されたプロトコルを使用してMRIデータを収集した、ザンクト・ペルテン大学病院の182人の患者のデータを使用しました。

「MLアルゴリズムの評価結果を見たとき、私たちは非常に満足しました」とシュタードルバウアー教授は説明します。「遺伝子が野生型の腫瘍と変異型の腫瘍を区別する精度は91.7%、精度は87.5%でした。次に、これらの値を従来の臨床 MRI データの ML 分析と比較し、生理代謝 MRI データをベースとして使用することで、大幅に優れた結果が得られることを示すことができました。」

ただし、この優位性は、標準化されたプロトコルを使用して St. Pölten で収集されたデータを分析した場合にのみ維持されました。これは、ML 手法を外部データ、つまり他の病院のデータベースからの MRI データに適用した場合は当てはまりませんでした。この状況では、従来の臨床 MRI データでトレーニングされた ML 手法の方が成功しました。

ML を使用した生理代謝 MRI データの分析のパフォーマンスが悪かった理由は、この技術がまだ若く、開発の実験段階にあるためです。データ収集方法は病院ごとにまだ異なるため、ML 分析に偏りが生じます。

科学者にとって、問題は「単に」さまざまな病院で生理代謝 MRI の使用が増えるにつれて必然的に生じる標準化です。方法自体、つまり、ML を使用した生理代謝 MRI データの迅速な評価は、 ML 法は優れた結果を示しています。したがって、これは神経膠腫患者の IDH 変異状態を術前に判定し、治療オプションを個別化するための優れたアプローチです。

研究結果は、カール・ランドシュタイナー健康科学大学 (KL クレムス) のジャーナルに掲載されました。