如果要为结直肠癌提供靶向治疗，治疗医生需要有关肿瘤分子亚型的信息。苏黎世大学医院和牛津大学的一个研究小组现已开发出一种从数字病理载玻片预测结直肠癌分子分类的方法。

结肠直肠癌是男性和女性中第三大常见的恶性肿瘤，全球每年约有180万新病例，其中瑞士约有4,000例。手术，放射和化疗以及精确治疗是既定的治疗选择，但与相关的副作用有关。使用RNA测序关于肿瘤分子亚型的精确信息可以支持患者分层以进行个性化治疗。然而，通过RNA测序进行的癌症分类仍然是一个资源密集型，成本高昂的过程：检查单个样本成本超过1,000瑞士法郎。此外，由于材料可用性不足或结果模糊，高达20%的样品无法进行最终分类。

通过图像分析和人工智能进行研究

由苏黎世大学医院(UHZ)病理学和分子病理学研究所的ViktorKölzer教授和牛津大学生物医学工程研究所的Jens Rittscher教授领导的研究小组现在开发了一种更便宜，更快的方法：他们使用人工智能分析组织学载玻片的高分辨率图像。这允许将结肠直肠肿瘤细分为四种不同的转录亚型之一，并给出最佳治疗策略的指示。与迄今为止一直是金标准的RNA测序不同，这种纯粹的基于图像的程序不需要任何额外的组织材料。

它甚至可以用非常小的组织碎片工作，并且可以对由于技术限制而先前无法进入的组织样本进行分类。该程序还有可能大大降低成本。因此，基于图像的程序可能会彻底改变结直肠癌的个性化治疗。然而，为了使用新技术，需要适当准备组织学载玻片：“在日常诊断实践中使用人工智能进行肿瘤分析，我们需要将病理学工作流程数字化，”科勒教授说。

个性化医疗的战略重要性

该研究涉及使用最新的机器视觉和人工智能技术分析1,553个数字组织切片，其中包含RNA表达，基因突变和临床进展的数据。这项新技术于2019年5月底首次作为预印本出版，建议在前瞻性随机临床试验中进行验证。今年4月，Kölzer教授接受了UHZ数字病理学助理教授的职务。这种教授职位是瑞士首个此类教授，对个性化医疗具有战略重要性。Kölzer教授在牛津大学期间开展了关于AI支持的癌症分类的项目，与病理学家，生物信息学家，临床医生和COloRecTal癌症(S-CORT)联盟多机构分层统计学家进行了强有力的跨学科合作。 。