Helsingin yliopisto

Tekoäly ennustaa rintasyövän täsmähoidon tehoa suoraan kasvaimen kudosrakenteesta

Jaa

Helsingin yliopiston tutkijat ovat osoittaneet tekoälyyn perustuvien algoritmien pystyvän ennustamaan syövän täsmälääkkeen tehoa syöpäkasvaimesta tuotettujen digitaalisten mikroskooppikuvien perusteella. Algoritmi analysoi syöpäkasvaimen kudosrakennetta ja tekee ennusteen pelkästään sen perusteella, ilman molekyylibiologisia testejä. Tulokset antavat viitteitä siitä, että tekoäly voi tunnistaa kasvainnäytteistä uudenlaisia rakenteellisia ominaisuuksia, joilla on merkitystä potilaan ennusteen ja lääkevasteen kannalta.

Tekoälyä ja koneoppimista hyödynnetään koko ajan enemmän syöpätutkimuksessa ja se tarjoaa paljon mahdollisuuksia myös kliiniseen diagnostiikkaan. Algoritmeja on opetettu suorittamaan monimutkaisia tehtäviä, kuten syöpäkudoksen tunnistamista ympäröivästä kudoksesta ja kasvaimen pahanlaatuisuusasteen määrittämistä. Myös sairauden ennusteen tuottamista kokonaan ilman asiantuntijan lausuntoa on tutkittu lupaavin tuloksin.

Tänään Scientific Reports –tiedejulkaisussa julkaistussa tutkimuksessa professori Johan Lundinin johtama tutkimusryhmä halusi laajentaa näiden sovellusten käyttömahdollisuuksia entisestään.

Tutkimuksessa keskityttiin kehittämään tekoälyyn perustuvaa työkalua, joka pystyisi tunnistamaan niin sanotut ERRB2-positiiviset syöpäkasvaimet.ERRB2 (toiselta nimeltään HER2) on proteiini, joka kiihdyttää syöpäsolujen kasvua. Noin yhdellä viidestä rintasyöpäpotilaasta on tätä kasvutekijää koodaavan geenin monistuma, jolloin syöpäkudos tuottaa ylimäärin ERRB2-proteiinia. Tällaisia potilaita hoidetaan yleensä biologisella täsmälääkkeellä.

Kansallisen FinProg-tutkimuksen keräämää rintasyöpänäytekokoelmaa hyödyntämällä tutkijat osoittivat, että tekoälyalgoritmi pystyi oppimaan ERRB2-positiivisille syöpäkasvaimille ominaisia piirteitä. ERR2-positiivisuden tunnistamiseen ei siis tarvittu molekyylibiologisia testejä vaan siihen riitti digitoitujen syöpäkudosnäytteiden analysoiminen.

–Tuloksemme osoittavat, että koneoppimisen avulla syöpäkudoksen rakenteesta voidaan saada paljon sellaista sairauden biologisista mekanismeista kertovaa tietoa, jolla on merkitystä myös potilaan hoidon kannalta, sanoo tutkimuksen toteuttanut väitöskirjatyöntekijä Dmitrii Bychkov Helsingin yliopiston Suomen molekyylilääketieteen instituutista.

Seuraavaksi tutkimusryhmä halusi selvittää, voisiko menetelmää soveltaa laajemminkin potilaan ennusteen ja lääkevasteen selvittämiseen. Tähän hyödynnettiin näyteaineistoa ERRB2-positiivisen rintasyövän täsmälääkeen, trastutsumabin, tehoa selvittäneestä kliinisestä FinHer-tutkimuksesta.

Tulokset osoittivat, että tekoäly pystyi kudosnäytteitä analysoimalla luokittelemaan täsmälääkkeellä hoidetut ERRB2-positiiviset potilaat kahteen ryhmään. Ryhmiä vertaamalla voitiin todeta, että ne potilaat, jotka myös algoritmi luokitteli ERRB2-positiivisiksi, selvisivät syövästä useammin kuin algoritmin ERRB2-negatiivisiksi luokittelemat potilaat.

– Nämä koneälyyn perustuvat menetelmät avaavat uusia mahdollisuuksia syövän kehittymisen kannalta oleellisten rakenteellisten ominaisuuksien havaitsemiseen ja voivat tulevaisuudessa osaltaan edistää rintasyövän tarkempaa diagnostiikkaa ja yksilöllisen hoidon suunnittelua, sanoo dosentti Nina Linder, yksi tutkimuksen vastuututkijoista.

Tutkimuksen löydökset osoittivat myös, että osalla ERR2-negatiivisten potilaiden syöpänäytteistä oli ERR2-positiivisille syöville tyypillisiä rakenteellisia piirteitä. Tutkijoiden mukaan onkin mahdollista, että myös nämä potilaat hyötyisivät ERR2-positiivisille potilaille kohdennetuista täsmälääkkeistä.

Tutkimukseen osallistuneen Helsingin yliopistossa ja HUS Syöpäkeskuksessa toimivan professori Heikki Joensuun mukaan on huomionarvoista, että analyysia varten kudosnäytteitä ei tarvitse käsitellä erikoismenetelmin, vaan normaalit kudosleikkeet riittävät.

– Tekoälyyn perustuvat menetelmät saattavat joiltain osin jopa ylittää nykyisten diagnostisten menetelmien tarkkuuden ja edistää näin yksilöllisen syövänhoidon toteuttamista. Nyt esitetyn hypoteesin testaamiseksi voisi olla hyvä suunnitella kliininen koe, Joensuu sanoo.

– Tämä on yksi ensimmäisistä tutkimuksista, jotka osoittavat, että kasvainnäytteisiin käytetty tekoäly voi ennustaa rintasyövän täsmähoidon tehoa, toteaa professori Johan Lundin.

Tutkimusta ovat rahoittaneet iCAN Digital Precision Cancer Medicine Flagship projekti, Sigrid Juséliuksen Säätiö, Biomedicum Helsinki Säätiö, Orionin tutkimussäätiö, Finska Läkaresällskapet r.f, ja HiLIFE Helsinki Institute of Life Sciences.

Alkuperäinen julkaisu

Bychkov D, Linder N, Tiulpin A, Kucukel H, Lundin M, Nordling S, Sihto H, Isola J, Lehtimaki T, Kellokumpu-Lehtinen PL, von Smitten K, Joensuu H, Lundin J. Deep learning identifies morphological features in breast cancer predictive of cancer ERBB2 status and trastuzumab treatment efficacy. Sci Rep 11, 4037 (2021), https://doi.org/10.1038/s41598-021-83102-6

Lisätietoja

Tutkimusjohtaja Johan Lundin

Suomen molekyylilääketieteen instituutti FIMM

HiLIFE, Helsingin yliopisto

Professor of Medical Technology, Karolinska Institutet, Sweden

johan.lundin@helsinki.fi

puh. +358 50 4155459

Tietoja julkaisijasta

Helsingin yliopisto
Helsingin yliopisto
PL 3
00014 Helsingin yliopisto

02941 911 (vaihde)https://www.helsinki.fi/fi/yliopisto

Helsingin yliopisto on yli 40 000 opiskelijan ja työntekijän kansainvälinen tiedeyhteisö, joka toimii neljällä kampuksella Helsingissä ja usealla muulla paikkakunnalla Suomessa. Kansainvälisissä yliopistovertailuissa se on ollut toistuvasti maailman sadan parhaan yliopiston joukossa. Helsingin yliopisto on perustettu vuonna 1640.

Tilaa tiedotteet sähköpostiisi

Haluatko tietää asioista ensimmäisten joukossa? Kun tilaat mediatiedotteemme, saat ne sähköpostiisi välittömästi julkaisuhetkellä. Tilauksen voit halutessasi perua milloin tahansa.

Lue lisää julkaisijalta Helsingin yliopisto

Lähihistoria näkyy geeniperimässämme – väestön geneettisen taustan muuttuminen Suomen eri alueilla selvitetty jopa vuositasolla4.3.2021 21:00:00 EETTiedote

Helsingin yliopiston uudessa tutkimuksessa on onnistuttu arvioimaan ennennäkemättömän tarkasti yli 18 000 suomalaisen geneettistä sukutaustaa. Tulosten avulla pystyttiin seuraamaan 1900-luvun tapahtumien jälkiä geeneissämme ja arvioimaan muuttoliikkeiden vaikutusta väestön sekoittumiseen. Esimerkiksi siirtokarjalaisten muuttamista eri puolille Suomea pystyttiin seuraamaan jopa vuosittaisella tarkkuudella tarkastelemalla karjalaisen perimän osuutta kunkin alueen vastasyntyneissä.

Kasvitieteelliset puutarhat tarjosivat hengähdyspaikan koronavuonna2.3.2021 15:31:49 EETTiedote

Helsingin yliopiston Luonnontieteellisen keskusmuseon Luomuksen yleisökohteissa – Luonnontieteellisessä museossa ja kahdessa kasvitieteellisessä puutarhassa – vieraili vuoden 2020 aikana yhteensä noin 233 000 eri-ikäistä luonnon ystävää. Koronavuosi koetteli Luomusta, mikä näkyi kävijämäärien hiipumisena. Kumpulan ja Kaisaniemen kasvitieteellisten puutarhojen ulkopuutarhat kuitenkin houkuttelivat runsaasti kävijöitä kasvien pariin, ja Kumpulan puutarhassa tehtiin jopa kävijäennätys.

Uutishuoneessa voit lukea tiedotteitamme ja muuta julkaisemaamme materiaalia. Löydät sieltä niin yhteyshenkilöidemme tiedot kuin vapaasti julkaistavissa olevia kuvia ja videoita. Uutishuoneessa voit nähdä myös sosiaalisen median sisältöjä. Kaikki tiedotepalvelussa julkaistu materiaali on vapaasti median käytettävissä.

Tutustu uutishuoneeseemme