Modele sztucznej inteligencji analizujące limfocyty naciekające guz (TIL) mogą dostarczać informacji prognostycznych w raku piersi porównywalnych z oceną wykonywaną przez patologów. W dwóch dużych międzynarodowych badaniach obejmujących łącznie ponad 5600 pacjentek wykazano, że wyższy poziom TIL wiązał się z lepszym rokowaniem zarówno w potrójnie ujemnym, jak i HER2-dodatnim raku piersi. AI pozwalała ponadto analizować przestrzenne rozmieszczenie komórek odpornościowych, dostarczając informacji wykraczających poza samo ich liczenie.
Z tego artykułu dowiesz się…
- Jak sztuczna inteligencja radzi sobie z oceną limfocytów naciekających guz (TIL) w porównaniu z doświadczonymi patologami i jakie znaczenie może mieć to dla prognozowania wyników leczenia raka piersi.
- Jakie są wyniki dwóch międzynarodowych badań obejmujących łącznie ponad 5600 pacjentek z potrójnie ujemnym oraz HER2-dodatnim rakiem piersi.
- Dlaczego większa liczba TIL wiąże się z lepszym rokowaniem i w jaki sposób AI może analizować również przestrzenne rozmieszczenie komórek odpornościowych w guzie.
- Jak AI może uzupełnić pracę patologów i umożliwić ocenę TIL na większą skalę, również w miejscach z ograniczonym dostępem do specjalistycznej diagnostyki.
Limfocyty naciekające guz jako biomarker w raku piersi
Limfocyty naciekające guz, określane jako TIL (tumor-infiltrating lymphocytes), są komórkami układu odpornościowego obecnymi w obrębie tkanki nowotworowej. Ich liczba może odzwierciedlać intensywność odpowiedzi immunologicznej organizmu przeciwko nowotworowi. Dotychczas TIL są najczęściej oceniane przez patologa na preparacie histopatologicznym. Wcześniejsze badania wskazywały, że większa liczba tych komórek wiąże się z korzystniejszym rokowaniem w różnych podtypach raka piersi.
Naukowcy z Peter MacCallum Cancer Centre pod kierownictwem prof. Sherene Loi sprawdzili, czy ocenę tę można skutecznie przeprowadzać również za pomocą modeli sztucznej inteligencji. Wyniki dwóch międzynarodowych analiz, obejmujących łącznie dane ponad 5600 pacjentek, opublikowano równocześnie w „The Lancet Oncology”.
AI i patolog podobnie przewidywali rokowanie w potrójnie ujemnym raku piersi
Pierwsza analiza, CATALINA, połączyła dane z siedmiu badań klinicznych dotyczących potrójnie ujemnego raka piersi. Ocenę TIL przeprowadzono u ponad 1300 pacjentek, wykorzystując zarówno analizę patologa, jak i model sztucznej inteligencji. Wyniki obu metod nie były identyczne, jednak dostarczały podobnych informacji prognostycznych. Pacjentki, których guzy charakteryzowały się większą liczbą limfocytów naciekających guz, miały lepsze rokowania niezależnie od tego, czy TIL zostały ocenione przez człowieka, czy algorytm AI. Ma to szczególne znaczenie w potrójnie ujemnym raku piersi, który stanowi około 15 proc. przypadków raka piersi i zazwyczaj charakteryzuje się bardziej agresywnym przebiegiem.
Ponad 4300 próbek z badania APHINITY
Drugie badanie objęło ponad 4300 próbek guzów pochodzących z badania III fazy APHINITY dotyczącego pacjentek z wczesnym HER2-dodatnim rakiem piersi. W tym przypadku TIL oceniano trzema metodami: przez ekspertów patologów, z wykorzystaniem cyfrowej analizy obrazu oraz za pomocą metod opartych na sztucznej inteligencji. Wszystkie trzy podejścia prowadziły do podobnego wniosku – większa liczba TIL wiązała się z lepszym rokowaniem.
Analiza przyniosła jednak dodatkowe obserwacje. Pacjentki z najwyższym poziomem TIL, szczególnie te z przerzutami do węzłów chłonnych, wydawały się odnosić większą korzyść z dodania pertuzumabu do standardowego leczenia.
AI potrafi analizować nie tylko liczbę komórek odpornościowych
Jedną z potencjalnie istotnych zalet sztucznej inteligencji okazała się możliwość analizowania przestrzennej organizacji komórek układu odpornościowego w obrębie guza. Modele AI identyfikowały tzw. „gorące punkty”, które dostarczały dodatkowych informacji prognostycznych, wykraczających poza samo określenie liczby TIL.
Sztuczna inteligencja może również pozwolić nam na wydobycie informacji, których ludzkie oko nie jest w stanie łatwo skwantyfikować, takich jak przestrzenna organizacja komórek odpornościowych w guzie. Ostatecznie połączenie podejścia patologicznego i obliczeniowego może dostarczyć nam więcej informacji niż każde z tych podejść osobno – podkreśla prof. Sherene Loi.
W praktyce oznacza to, że AI nie musi być postrzegana jako rozwiązanie zastępujące patologa. Może natomiast uzupełniać klasyczną ocenę histopatologiczną i pomagać w wydobywaniu z preparatów informacji trudnych do ilościowego określenia przez człowieka.
Sztuczna inteligencja może zwiększyć dostępność oceny TIL
Badania wzmacniają argumenty przemawiające za wykorzystaniem TIL jako praktycznego biomarkera w raku piersi. Jednocześnie automatyzacja analizy może umożliwić wykonywanie jej na znacznie większą skalę, również tam, gdzie dostęp do wyspecjalizowanej oceny patologicznej jest ograniczony.
Ocena TIL przez patologów pozostaje wysoce powtarzalna, gdy jest wykonywana z wykorzystaniem standardowych metod, ale sztuczna inteligencja daje nam możliwość obiektywnego pomiaru tego biomarkera na ogromną skalę, również w sytuacjach, w których profesjonalna ocena patologiczna może być niedostępna – mówi prof. Loi.
Istotne jest przy tym, że podobną zależność między TIL, a rokowaniem zaobserwowano w dwóch odmiennych biologicznie typach raka piersi oraz w danych pochodzących od tysięcy pacjentek uczestniczących w randomizowanych badaniach klinicznych.
AI jako wsparcie patologii w raku piersi
Wyniki obu analiz wskazują, że cyfrowa ocena limfocytów naciekających guz może stać się wartościowym uzupełnieniem współczesnej diagnostyki raka piersi. AI dostarczała informacji prognostycznych porównywalnych z oceną patologów, a jednocześnie umożliwiała analizę cech przestrzennych odpowiedzi immunologicznej.
Badania nie wskazują więc na zastąpienie patologów przez algorytmy, lecz na potencjalne połączenie wiedzy specjalisty z analizą obliczeniową. Takie podejście może w przyszłości ułatwić standaryzację i skalowanie oceny TIL oraz pozwolić na pozyskiwanie z rutynowych preparatów histopatologicznych dodatkowych informacji istotnych dla rokowania i doboru leczenia.
Główne wnioski
- Dwa międzynarodowe badania obejmujące łącznie ponad 5600 pacjentek z rakiem piersi wykazały, że AI oceniająca TIL może dostarczać informacji prognostycznych porównywalnych z oceną patologów.
- W analizie CATALINA obejmującej ponad 1300 pacjentek z potrójnie ujemnym rakiem piersi większa liczba TIL wiązała się z lepszym rokowaniem niezależnie od tego, czy ocenę przeprowadzał patolog, czy model AI.
- Analiza ponad 4300 próbek z badania III fazy APHINITY potwierdziła znaczenie prognostyczne TIL w HER2-dodatnim raku piersi. Pacjentki z najwyższym poziomem TIL, szczególnie z zajętymi węzłami chłonnymi, wydawały się odnosić większą korzyść z dodania pertuzumabu do standardowej terapii.
- AI może analizować nie tylko liczbę TIL, ale również przestrzenną organizację komórek odpornościowych i tzw. „gorące punkty”, dostarczając dodatkowych informacji, które trudno ilościowo ocenić ludzkim okiem.
Źródło:
- https://linkinghub.elsevier.com/retrieve/pii/S1470204526003396
- https://www.thelancet.com/journals/lanonc/article/PIIS1470-2045(26)00247-0/abstract
