Fluorescence imaging of EMT demonstrates overcoming of EMT is a therapeutic strategy for poor prognosis colorectal cancer.

2023 Fiscal Year Final Research Report

• Project/Area Number: 21K16474
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 55020:Digestive surgery-related
• Research Institution: Kawasaki Medical School
• Principal Investigator: Yano Shuya 川崎医科大学, 医学部, 講師 (50794624)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 分子イメージング / 人工知能と深層学習 / 上皮間葉転換 / 大腸癌

Outline of Final Research Achievements

We developed an AI-based pathological gene classification integrating deep learning histology with RNA profiling and tumor stroma analysis. Using vim-RFP biosensors, we found mesenchymal colorectal cancers (CRCs) activate the epithelial-mesenchymal transition (EMT) driving chemo-resistance. Excitingly, imatinib and regorafenib reversed chemo-induced EMT, resensitizing mesenchymal CRCs. This was validated in patient models, and imatinib enhanced chemo responses in metastatic mesenchymal CRC patients.
Our multidisciplinary approach combining molecular imaging, bioengineered sensors and machine learning uncovered new strategies to improve outcomes for this aggressive subtype. With an interdisciplinary team and innovative technologies, we aim to rapidly translate our findings into the clinic and identify additional targets for EMT modulation.

Free Research Field

分子イメージングとAI画像の融合

Academic Significance and Societal Importance of the Research Achievements

間葉型(EMT型)大腸癌は、普通のRAS/RAF野生型にも関わらず癌細胞が少ないため従来の治療指針では無効で、普通のRAS/RAF野生型ゆえ免疫源性の乏しく、浸潤リンパ球も少なく、さらに間質が障壁となっているため、免疫チェックポイント阻害薬(ICI)が最も効かない。それゆえ、今までのパラダイムとは全く異なるアプローチが必要である。本研究は、深層学習によるAIがアナログ分類とデジタル分類の統合することで、組織型と遺伝子発現を相関させ、EMT阻害剤と化学療法の組み合わせの有効性を示したトランスレーショナルリサーチである。この方法は、他のがん種にも応用可能であるため発展性があると考える。