부비동암: AI로 진단의 돌파구 마련

[아름이]

부비동암: AI로 진단의 돌파구 마련
날짜:
2022년 11월 29일
원천:
Ludwig-Maximilians-Universität 뮌헨
요약:
연구원들은 진단하기 어려운 비강 종양을 분류하는 방법을 개발했습니다.

LMU와 베를린의 Charité 병원의 연구원들은 진단하기 어려운 비강 종양을 분류하는 방법을 개발했습니다.

비강과 부비동의 종양은 작은 공간에 국한되어 있지만 많은 종양 유형으로 매우 넓은 스펙트럼을 포함합니다. 특정 패턴이나 모양을 나타내지 않는 경우가 많기 때문에 진단하기 어렵습니다. 이는 특히 소위 부비동 미분화 암종(SNUC)에 적용됩니다.

현재 LMU 병리학 연구소의 Dr. Philipp Jurmeister와 Frederick Klauschen 교수, Charité 대학 병원의 David Capper 교수 및 독일 암 컨소시엄(DKTK)이 이끄는 팀은 뮌헨과 베를린의 파트너 사이트에서 성과를 거두었습니다. 진단의 결정적인 개선. 연구팀은 화학적 DNA 변형을 기반으로 종양을 안정적으로 구별하고 이전에 사용 가능한 방법으로는 구별할 수 없었던 SNUC를 명확하게 구분되는 4개의 그룹으로 할당하는 AI 도구를 개발했습니다. 이 돌파구는 표적 치료에 대한 새로운 기회를 열 수 있습니다.

종양 특이 DNA 변형

DNA의 화학적 변형은 유전자 활동의 조절에 중요한 역할을 합니다. 여기에는 DNA 메틸화가 포함되며 DNA 빌딩 블록에 추가 메틸기가 추가됩니다. 초기 연구에서 과학자들은 게놈의 메틸화 패턴이 종양의 기원 세포로 역추적될 수 있기 때문에 다른 종양 유형에 따라 다르다는 것을 이미 입증했습니다.

"이를 바탕으로 우리는 비강과 부비동에 있는 거의 400개 종양의 DNA 메틸화 패턴을 기록했습니다."라고 Capper는 말합니다. 광범위한 국제 협력 덕분에 연구원들은 이러한 종양이 드물고 코와 목 부위의 모든 악성 종양의 약 4%만 차지함에도 불구하고 이렇게 많은 샘플을 수집할 수 있었습니다.

예후가 다른 4개의 종양 그룹

DNA 메틸화 데이터 분석을 위해 연구자들은 종양을 다른 클래스에 할당하는 AI 모델을 개발했습니다. "많은 양의 데이터가 관련되어 있기 때문에 기계 학습 방법이 필수적입니다."라고 Jurmeister는 말합니다. "실제로 패턴을 인식하기 위해 연구에서 수천 개의 메틸화 위치를 평가해야 했습니다." 이것은 SNUC가 4개의 그룹으로 분류될 수 있음을 밝혔으며, 이는 추가 분자 특성 측면에서도 다릅니다.

또한, 이러한 결과는 다양한 그룹이 서로 다른 예후를 갖기 때문에 임상적으로 관련이 있습니다. "예를 들어, 종양이 현미경으로 보면 매우 공격적으로 보이지만 한 그룹은 놀랍도록 좋은 과정을 밟습니다."라고 Klauschen은 말합니다. "반면 다른 그룹은 예후가 좋지 않습니다." 그룹의 분자 특성을 기반으로 연구원은 미래에 새로운 표적 치료법을 개발할 수도 있습니다.

출처 : https://www.sciencedaily.com/