سرطان اولیه کبد یا از سلولهای دودمان کبدی یا صفراوی منشأ میگیرد و منجر به کارسینوم (سزطان بدخیم سلول های کبدی ) سلولهای کبدی (HCC) یا کلانژیوکارسینوم ( سرطان مجری صفراوی ) داخل کبدی (ICCA) میشود. هپاتوسلولار-کلانژیوکارسینومای ترکیبی (cHCC-CCA) ویژگیهای مبهم یا مختلط هر دو را نشان میدهند که باعث عدم قطعیت تشخیصی و مشکل در تعیین درمان صحیح میشود. در اینجا، ما یک فنوتیپ مبتنی بر یادگیری عمیق جامع از گروههای متعدد بیماران را انجام میدهیم. ما نشان میدهیم که یادگیری عمیق میتواند تشخیص سرطان سلول های کبدی HCC در مقابل سلول های سرطانی مجاری صفراوی موجود در کبد CCA را با عملکرد بالا بازتولید کند. ما مجموعهای از 405 بیمار cHCC-CCA را تجزیه و تحلیل میکنیم و نشان میدهیم که این مدل میتواند تومورها را بهعنوان HCC یا ICCA مجدداً طبقهبندی کند، و پیشبینیها با نتایج بالینی، تغییرات ژنتیکی و نمایههای بیان فضایی ژن درجا سازگار است. این نوع رویکرد می تواند تصمیمات درمانی و در نهایت نتیجه بالینی را برای بیماران مبتلا به سرطان های نادر و دو فنوتیپی مانند cHCC-CCA بهبود بخشد.
سرطان اولیه کبد چهارمین علت اصلی مرگ و میر ناشی از سرطان در سراسر جهان و یک مشکل بهداشت عمومی در حال افزایش است. دو نوع شایع سرطان اولیه کبد عبارتند از کارسینوم کبدی (HCC) که از سلولهای کبدی منشأ میگیرد و کلانژیوکارسینوم داخل کبدی (ICCA) که تصور میشود از سلولهای اپیتلیال صفراوی منشأ میگیرد. این دو موجودیت دو انتهای طیف تومور اولیه کبد را نشان میدهند و عوامل خطر، پیامدهای بالینی، استراتژیهای درمانی و ویژگیهای ژنتیکی/مولکولی متفاوتی دارند. هپاتوسلولار-کلانژیوکارسینوم ترکیبی (cHCC-CCA) یک نوع نادر از سرطان کبد است که می تواند به صورت مخلوط یا همزیستی بافت تومور با تمایز مورفولوژیکی ( دانش شناخت شکل ظاهری و ساختمان بیرونی )کبدی و صفراوی ظاهر شود. با این حال، بیشتر موارد، ویژگیهای مبهم را نشان میدهند که به راحتی نمیتوان آنها را به عنوان HCC یا ICCA طبقهبندی کرد. این توضیح می دهد که چرا تشخیص اغلب برای پاتولوژیست ها بسیار دشوار است. مدیریت بالینی بیماران مبتلا به cHCC-CCA نیز بسیار چالش برانگیز است و به دلیل نادر بودن این سرطان، هیچ دستورالعمل توافقی وجود ندارد. استراتژیهای درمانی معمولاً از HCC و ICCA برونیابی میشوند، اما تأیید قانونی درمانهای مدرن معمولاً به HCCs یا ICCA «خالص» محدود میشود. در نتیجه، بیماران مبتلا به cHCC-CCA اغلب به خوبی به درمانها پاسخ نمیدهند و پیامدهای بالینی مضری دارند. جالب توجه است، چندین مطالعه نشان داد که cHCC-CCA تغییرات ژنتیکی و نمایههای بیان ژن همپوشانی را با پروفایلهای HCC یا ICCA نشان میدهد و این بحث وجود دارد که آیا cHCC-CCA یک موجودیت مولکولی واقعی را نشان میدهد . یک مطالعه اخیر نشان داده است که cHCC-CCA از سلول های بنیادی کبدی ناشی می شود فرضیه دیگر این است که این تومورها ممکن است واقعاً از تمایز زدایی یا تمایززدایی یک HCC یا ICCA معمولی از قبل وجود داشته باشند، اما نزدیکی فیلوژنتیکی ( بررسی ارتباط تعاملی گونه های مختلف ) به تمایز اجدادی خود حفظ می کنند. هوش مصنوعی (AI) به طور گسترده در تجزیه و تحلیل تصویر آسیب شناسی استفاده می شود. ما و دیگران هوش مصنوعی را برای تصاویر دیجیتالی شده از اسلایدهای مختلف (WSI) سرطانهای مختلف، از جمله تومورهای اولیه کبد، به کار بردهایم و نشان دادهایم که هوش مصنوعی میتواند اطلاعات قابل عمل بالینی را مستقیماً از اسلایدهای بافتی در دسترس معمول رنگشده با ترکیبات هماتوکسیلین و ائوزین (H&E) استخراج کند. در این کار، هدف ما تعیین میکند که آیا هوش مصنوعی امکان طبقهبندی مجدد cHCC-CCA را بهعنوان HCC خالص یا ICCA میدهد (شکل 1A)، و آیا این طبقهبندی هم یک بالینی (از نظر پیش آگهی) و هم یک مولکولی (از نظر تطابق) دارد. با نقص های ژنتیکی و پروفایل های مولکولی فضایی) در ارتباط اند .
volume 14, Article number: 8290 (2023) Nature Communications