Les chercheurs ont mis au point un système de dépistage diagnostique basé sur l’IA appelé DeepGlioma qui utilise l’imagerie rapide pour analyser des échantillons de tumeurs prélevés lors d’une opération et détecter plus rapidement les mutations génétiques. Dans une étude portant sur plus de 150 patients atteints de gliome diffus, la tumeur cérébrale primaire la plus courante et la plus mortelle, le système nouvellement développé a identifié des mutations utilisées par l’Organisation mondiale de la santé pour définir des sous-groupes moléculaires de la maladie avec une précision moyenne supérieure à 90 %.
L’étude a été publiée dans la revue “Nature Medicine” “Cet outil basé sur l’IA a le potentiel d’améliorer l’accès et la rapidité du diagnostic et des soins des patients atteints de tumeurs cérébrales mortelles”, a déclaré l’auteur principal et créateur de DeepGlioma Todd Hollon, MD , neurochirurgien à l’Université du Michigan Health et professeur adjoint de neurochirurgie à l’UM Medical School. La classification moléculaire est de plus en plus au cœur du diagnostic et du traitement des gliomes, car les avantages et les risques de la chirurgie varient chez les patients atteints de tumeur cérébrale en fonction de leur constitution génétique. En fait, les patients atteints d’un type spécifique de gliome diffus appelé astrocytomes peuvent gagner en moyenne cinq ans avec l’élimination complète de la tumeur par rapport aux autres sous-types de gliome diffus. Cependant, l’accès aux tests moléculaires pour le gliome diffus est limité et n’est pas uniformément disponible dans les centres qui traitent patients atteints de tumeurs cérébrales. Lorsqu’il est disponible, dit Hollon, le délai d’obtention des résultats peut prendre des jours, voire des semaines.
“Les obstacles au diagnostic moléculaire peuvent entraîner des soins sous-optimaux pour les patients atteints de tumeurs cérébrales, compliquant la prise de décision chirurgicale et la sélection des schémas de chimioradiothérapie”, a déclaré Hollon. Avant DeepGlioma, les chirurgiens n’avaient pas de méthode pour différencier les gliomes diffus pendant la chirurgie. Une idée qui a commencé en 2019, le système combine des réseaux de neurones profonds avec une méthode d’imagerie optique connue sous le nom d’histologie Raman stimulée, qui a également été développée à l’UM, pour imager le tissu tumoral cérébral en temps réel. identification qui donnerait aux prestataires une meilleure chance de définir les traitements et de prédire le pronostic du patient », a déclaré Hollon.
Même avec un traitement standard optimal, les patients atteints de gliome diffus font face à des options de traitement limitées. La durée de survie médiane des patients atteints de gliomes diffus malins n’est que de 18 mois. Bien que le développement de médicaments pour traiter les tumeurs soit essentiel, moins de 10 % des patients atteints de gliome sont inscrits à des essais cliniques, ce qui limite souvent la participation des sous-groupes moléculaires. Les chercheurs espèrent que DeepGlioma pourra être un catalyseur pour l’inscription précoce aux essais. “Les progrès dans le traitement des tumeurs cérébrales les plus mortelles ont été limités au cours des dernières décennies, en partie parce qu’il a été difficile d’identifier les patients qui bénéficieraient le plus de thérapies ciblées”, a déclaré l’auteur principal Daniel Orringer, MD, professeur agrégé. de neurochirurgie et de pathologie à la NYU Grossman School of Medicine, qui a développé l’histologie Raman stimulée. “Les méthodes rapides de classification moléculaire sont très prometteuses pour repenser la conception des essais cliniques et apporter de nouvelles thérapies aux patients.” (ANI)
(Cette histoire n’a pas été éditée par l’équipe de Devdiscourse et est générée automatiquement à partir d’un flux syndiqué.)
