كيف يعزز الرؤية الحاسوبية أبحاث السرطان

الرؤية الحاسوبية هي ذكاء اصطناعي يسمح للخوارزميات باستخراج المعلومات المهمة من الفيديوهات والصور. وقد استكشف الباحثون في مجال السرطان طرقًا فعالة لاستخدامها لفحص الصور والصور المجهرية والصور الطبية وغيرها. وقد يمكن أن تقصر بعض الطرق الإجراءات السابقة المعقدة، مما يسمح للفرق المحدودة بالموارد بالوصول إلى أهدافها وزيادة تأثير المرضى.

تحسين المعرفة بمحددات نمو الأورام

بعد التأكد من وجود السرطان ونوعه في الخزعات، قد يقوم الأطباء بالتسلسل الجيني للجزيئات الرنا في العينات. ثم يمكنهم العثور على التغييرات الجينية التي تؤثر على نمو الأورام. وتوفر هذه المعلومات أبحاثًا قيمة وعمليات متطورة. ومع ذلك، تترك الطرق الحالية بسبب تكاليفها وطولها بعض الباحثين يبحثون عن بدائل قابلة للتطبيق.

قام فريق ببناء أداة ذكاء اصطناعي ت分析 الصور المجهرية العادية لخزعات لتنبؤ bằng النشاط الجيني داخل خلايا الأورام. لقد دربوا ابتكارهم على أكثر من 7,500 عينة تمثل 16 نوعًا من السرطان وقواعد بيانات أخرى ذات صلة، بما في ذلك صور الخلايا السليمة.

أعطى هؤلاء الباحثون الأولوية لسهولة الاستخدام من خلال سهولة الفهم، مما يجعل برنامجهم مدعومًا بالذكاء الاصطناعي يعرض المعلومات المتعلقة بالجينات كخريطة خزعة أورام مرئية. هذا القرار يسمح للمستخدمين بالتعرف على الاختلافات المميزة في المناطق المحددة. كما اعتمد الفريق على طريقة تلطيخ معيارية لتصوير خلايا السرطان، وحددت الأداة التعبيرات الجينية لما يزيد عن 15,000 جين داخل الصور الملطخة.

أشارت نتائجهم إلى وجود علاقة تزيد عن 80% بين النشاط الجيني المتوقع بواسطة الذكاء الاصطناعي والسلوك الفعلي. وعادة ما أدى النموذج بشكل أفضل عندما 포함ت مجموعة البيانات أكثر الأمثلة لنوع معين من السرطان.

أظهرت تجارب فريق البحث أيضًا إمكانية استخدام الخوارزمية لتخصيص درجات مخاطر جينية للمرضى الذين يعانون من سرطان الثدي. كانت الأطراف التي تم تصنيفها على أنها أكثر خطورة لديها المزيد من الانتكاسات وأوقات بينها أقصر.

لقد استخدم الناس الذكاء الاصطناعي من أجل تقدمات طبية أخرى ممتعة. يمكن لاحدة من هذه التطورات اكتشاف كوفيد-19 بدقة تصل إلى 99%، مما يظهر تحسينًا صحيًا عامًا مهمًا. ومع ذلك، يجب على المحترفين أن يكمّلوا عملهم بهذه الأدوات فقط. قد يؤدي السماح للذكاء الاصطناعي باستبدال الخبرة المباشرة إلى تقليل النتائج الإيجابية للمرضى.

إيجاد أكثر العلاجات ملاءمة

المرضى الذين يخضعون للتدخلات المتعلقة بالسرطان يصفون القلق والأعراض غير السارة المرتبطة بالحلول التي قد تكون غير مثالية. وعندما يتحمل العديد من الأفراد الغثيان وفتق الشعر وغيرها، يصبحون أقل موافقة على الاستمرار إذا لم تظهر الاختبارات الأولية نتائج واعدة.

يستفيد الجميع إذا عثر أخصائيو السرطان على أفضل علاجات مخصصة للمرضى في وقت أقرب. وتتضمن الطريقة التقليدية لتصميم خطط العلاج دراسة صور الأشعة المقطعية والتصوير بالرنين المغناطيسي مع نقطة بيانات واحدة فقط لكل بكسل، تمثلها درجات الرمادي. يمكن لأداة تحليل ما يصل إلى 30,000 تفاصيل لكل بكسل وتحليل عينات الأنسجة الصغيرة التي تبلغ 400 ميكرومتر مربع — وهي عرض خمس شعرات بشرية.

استخدم الفريق عينات متبرع بها لتقييم النتائج. عندما تم تطبيقها على حالات سرطان المثانة، وجدت منصة الذكاء الاصطناعي مجموعة خلايا متخصصة تُنشئ هياكل لمفاوية ثانوية. وتشير المعرفة الحالية إلى أن هذه الهياكل تحسن استجابات المرضى للعلاج المناعي. بالإضافة إلى ذلك، ميزت الأداة بين الخلايا السرطانية والغشاء المخاطي في عينات سرطان المعدة، مما يساعد المستخدمين على تحديد مدى انتشارهم بدقة أكبر.

يعتقد هؤلاء الباحثون أن جهودهم قد تظهر للأطباء أي علاجات تعمل بشكل أفضل للسرطانات المختلفة. وإذا كان الأمر كذلك، فقد تُ简ّع أيضًا الأبحاث ذات الصلة من خلال مساعدتهم على استخراج المزيد من البيانات القيمة من الصور التشخيصية الشائعة.

تقليل مدة تطوير الأدوية

يتطلب جعل علاجات السرطان الجديدة متاحة تجارياً سنوات، وترتكز الفرص على التجارب السريرية الناجحة. وقد أنشأ باحثون في لندن منهجية مدعومة بالذكاء الاصطناعي لدراسة مدى فعالية وصول الأدوية إلى أهدافها. وقد يؤدي التركيز على الخيارات الأكثر فعالية إلى تحسين النتائج، مما يؤدي إلى إقناع المنظمين بتوسيع توافر المنتجات.

استخدم الفريق ما يقرب من 100,000 صورة مجهرية ثلاثية الأبعاد لخلايا سرطان الجلد، وتم تحليل أشكالها بواسطة خوارزميات التعلم العميق الهندسي. كانت الجهود السابقة تحصل فقط على بيانات ثنائية الأبعاد من العينات على شريحة مجهرية، ولكن هذا النهج يفحص الخلايا كما تظهر في الجسم. بالإضافة إلى ذلك، يُظهر كيف تتغير أشكالها بسبب علاجات محددة ويوضح التباين عبر السكان الخلوي.

كانت هذه الأداة دقيقة بنسبة أكثر من 99% في الكشف عن كيفية تأثير الأدوية على الخلايا. لقد حددت حتى التغييرات الشكلية التي تسببها العلاجات التي تستهدف بروتينات مختلفة.

نظرًا لأن الذكاء الاصطناعي كشف عن التغييرات البيوكيميائية، يعتقد الباحثون أن ابتكارهم قد يبرز أهدافًا معينة للتأكيد عليها مع أدوية سرطان جديدة. ثم سوف ي缩ّص البرنامج الإطار الزمني قبل السريري من ثلاث سنوات إلى ثلاثة أشهر. بالإضافة إلى ذلك، قد يقلل من التجارب بنسبة تصل إلى ست سنوات، مما يسمح باكتشاف المرضى الذين سيستفيدون أكثر في وقت أقرب وتحديد الآثار الجانبية الشائعة.

تسهيل مهام تقييم السرطان

لقد حسنت الأدوات المدعومة بالذكاء الاصطناعي بالفعل مهام باحثي السرطان، ولكن معظم الأدوات تتعامل فقط مع أجزاء فردية من الإجراء. وهذا يعني أن المتخصصين في مجال الطب المهتمين بدمج التكنولوجيا في يوم عملهم يحتاجون إلى تعلم استخدام عدة منتجات. ومع ذلك، يرغب بعض الأفراد في بناء حلول متعددة الأغراض لزيادة سهولة الاستخدام.

قاموا ببناء نموذجًا مشابهًا لشات جبت. لقد استخدموه لعدة عمليات تقييمية ترتبط ب 19 نوعًا من السرطان، مما يظهر مرونته. أكثر تحديدًا، أCELERated مهام التقييم من أجل الكشف المحسّن والتشخيص والاستجابة للعلاج. يعتقد المطورون أيضًا أن ابتكارهم هو الأول الذي يتنبأ ويثبت النتائج عبر عدة مجموعات مرضى دولية.

يقرأ نموذج الذكاء الاصطناعي الشرائح الرقمية التي تحتوي على عينات الأورام، ويفحص البروفايلات الجزيئية ويكشف عن الخلايا السرطانية. كما يفحص الأنسجة المحيطة بالنمو، والتي تشير إلى كيف استجاب المرضى للعلاجات القياسية أو تُظهر للباحثين أيهما أقل فعالية. وأشارت التجارب إلى أن هذا النموذج أكثر دقة من المنتجات المتاحة حاليًا. بالإضافة إلى ذلك، ربطت سمات الأورام الخاصة بزيادة معدلات البقاء على قيد الحياة للمرضى لأول مرة، مما قد يفتح مجالات بحث جديدة.

قام الفريق بتدريب النموذج على 15 مليون صورة غير مصنفة مقسمة إلى قطع وفقًا لمناطق الاهتمام. ثم كشف لاحقًا الخوارزميات على 60,000 صورة شريحة كاملة تمثل 19 نوعًا من السرطان. هذا النهج علّم الذكاء الاصطناعي تقييم الصور بأكملها للحصول على نتائج شاملة.

ثم قام الفريق بtesting أداتهم على 19,400 صورة شريحة كاملة في 32 مجموعة بيانات مستقلة. نظرًا لأن هذه المعلومات جاءت من 24 مجموعة مريض ومرافق طبية موزعة حول العالم، فإنها توفر عينة دقيقة للظروف الحقيقية.

تعزيز قيمة صور المجهر البيولوجي

يستخدم باحثو السرطان صور المجهر البيولوجي لتطوير أبحاثهم، ولكن الإجراءات الحالية تأخذ أيامًا لدراسة هذه البيانات. وقد طور فريق تقنية رؤية حاسوبية جديدة لجعل هذه المهام الأساسية أكثر كفاءة. وتستخدم هذه التقنية التعلم الآلي لتحليل العينات واكتشاف الخصائص المشتركة بين الأورام السرطانية.

تكتسب الأداة النتائج بفعالية من خلال فحص مناطق متعددة من نمو فردي وتصورها ككل. يمكن أن تصل الصور إلى مليار بكسل ، لذلك يمكن أن تكون دراستها وقتية.

يتخيل المطورون أن الأطباء قد يصنعون تشخيصات فورية من صور الأورام. ثم سوف ي truyền هذه المعلومات إلى الجراحين الذين يقومون بعمليات استئصال الأنسجة السرطانية، مما يسمح لهم باستخدام أحدث Informationen.

أظهرت الاختبارات التي قارنت هذه الأداة بأفضل تقنيات تحليل الصور بينية أداءً أفضل بنسبة 4% تقريبًا، وبلغت دقتها 88% في بعض الحالات. كما شدد الباحثون على أن المستخدمين يمكنهم تطبيقها على أي نوع من الأورام وطريقة المجهر، مما يجعلها قابلة للتطبيق على نطاق واسع.

دفع أبحاث السرطان إلى الأمام مع الرؤية الحاسوبية

يمكن للرؤية الحاسوبية المدعومة بالذكاء الاصطناعي أن ترفع إنتاجية باحثي السرطان، وتحقق أقصى استفادة من نتائجهم العلمية والمرتبطة بالمريض. وتُظهر هذه الأمثلة الإمكانات الوافرة، ولكن يجب على المحترفين المهتمين بتطبيق هذه التكنولوجيا أن يفعلوا ذلك لتعزيز الخبرات المكتسبة ولا يعاملوا الابتكارات على أنها لا تخطئ.