被检查的组织不需要为此做标记。分析只需要大约半小时。“这是重要的一步，表明红外成像可以成为未来诊断测试和治疗预测的一种有前途的方法，”PRODI 主任克劳斯格沃特教授说。该研究于 2021 年 7 月 1 日发表在《美国病理学杂志》上。
通过基因突变分析做出治疗决定
肺肿瘤分为多种类型，如小细胞肺癌、腺癌和鳞状细胞癌。还存在许多罕见的肿瘤类型和亚型。这种多样性阻碍了日常临床实践中可靠的快速诊断方法。除了组织学分型外，还需要全面检查肿瘤样本的 DNA 水平的某些变化。“检测这些突变之一是影响预后和进一步治疗决策的重要关键信息，”共同作者、科隆大学医院普通病理学和病理解剖学研究所所长 Reinhard Büttner 教授说。
当驱动突变之前已被表征时，肺癌患者显然受益：例如，具有 EGFR(表皮生长因子)基因激活突变的肿瘤通常对酪氨酸激酶抑制剂反应良好，而非 EGFR 突变的肿瘤或具有其他基因突变的肿瘤。突变，如 KRAS，对这种药物根本没有反应。肺癌的鉴别诊断以前是通过组织样本的免疫组织化学染色和随后的广泛遗传分析来确定突变的。
快速可靠的测量技术
Klaus Gerwert 领导的小组在之前的研究中已经展示了红外成像(简称 IR 成像)作为组织分类诊断工具(称为无标记数字病理学)的潜力。该程序无需事先染色或其他标记即可识别癌组织，并在人工智能 (AI) 的帮助下自动运行。与在日常临床实践中用于确定肿瘤形状和肿瘤组织突变的方法有时需要几天时间相比，新程序只需要大约半小时。在这30分钟内，不仅可以确定组织样本中是否含有肿瘤细胞，还可以确定它是什么类型的肿瘤，是否含有某种突变。
红外光谱使基因突变可见
波鸿的研究人员能够在他们的工作中对来自 200 多名肺癌患者的样本进行验证。在识别突变时，他们专注于迄今为止最常见的肺肿瘤，腺癌，占肿瘤的 50% 以上。与费力的基因分析相比，其最常见的基因突变可以以 95% 的灵敏度和特异性来确定。“这是我们第一次能够识别出光谱标记，这些标记允许在肺肿瘤中的各种分子条件之间进行空间分辨区分，”来自 PRODI 的 Nina Goertzen 解释说。一次红外光谱测量可提供有关样品的信息，否则将需要几个耗时的程序。
标签： 人工智能
免责声明：本文由用户上传，如有侵权请联系删除！