كيف يعزز الرؤية الحاسوبية أبحاث السرطان

الرؤية الحاسوبية هي ذكاء اصطناعي يسمح للخوارزميات باستخراج معلومات ذات معنى من مقاطع الفيديو والصور. قام باحثو السرطان باستكشاف طرق فعالة لاستخدامها لفحص الصور والصور المجهرية والمسح الطبي وغيرها. يمكن أن تقصر بعض المناهج العمليات السابقة التي كانت معقدة ، مما يسمح للفرق الممتدة بالموارد بالتحقيق في الأهداف وزيادة تأثير المرضى.

تحسين معرفة محفزات نمو الأورام

بعد التأكد من وجود ونوع السرطان في الخزعات ، قد يقوم الأطباء بالتسلسل الجيني للجزيئات الرنا داخل العينات. ثم يمكنهم العثور على التغييرات الجينومية التي تؤثر على نمو الأورام. هذه المعلومات تعزز البحث القيم والتدخلات المخصصة. ومع ذلك ، تترك تكلفة الطرق الحالية وطولها بعض الباحثين يبحثون عن بدائل قابلة للتطبيق.

قام فريق ببناء أداة ذكاء اصطناعي تتحليل الصور المجهرية القياسية للخزعات لتنبؤ النشاط الجيني داخل خلايا الأورام. لقد دربوا ابتكارهم على أكثر من 7500 عينة تمثل 16 نوعًا من السرطان وقواعد بيانات ذات صلة ، بما في ذلك صور للخلايا السليمة.

أعطى هؤلاء الباحثون الأولوية لسهولة الاستخدام من خلال تفسير سهل ، مما يجعل برنامجهم القوي يعرض المعلومات المرتبطة بالجينات كخريطة خزعة أورام مرئية. هذا القرار يسمح للمستخدمين بالتعرف على التباين المميز في المناطق المحددة. كما اعتمد الفريق على طريقة تلطيخ قياسية لتصوير خلايا السرطان ، وحددت الأداة التعبيرات الجينية لأكثر من 15000 جين داخل الصور الملطخة.

أشارت نتائجهم إلى وجود علاقة تزيد عن 80٪ بين النشاط الجيني المتوقع بواسطة الذكاء الاصطناعي والسلوك الفعلي. أدى نموذجهم بشكل أفضل بشكل عام عندما 포함ت مجموعة البيانات عينات أكثر لأنواع السرطان المحددة.

أظهرت تجارب فريق البحث أيضًا إمكانية صحة أداةهم لتعيين درجات مخاطر جينومية للمرضى الذين يعانون من سرطان الثدي. تم تصنيف الأطراف التي تم اعتبارها أكثر خطورة على أنها أكثر تكرارًا وأقصر مدة بينها.

استخدم الناس الذكاء الاصطناعي لتحقيق تقدم طبي ملهم آخر. يمكن أن يكتشف أحد التطورات كوفيد-19 بدقة تصل إلى 99٪ ، مما يظهر تحسينًا حيويًا للصحة العامة. على الرغم من روعة هذه الإمكانيات ، يجب على المحترفين أن يكمّلوا عملهم بها فقط. قد يقلل السماح للذكاء الاصطناعي بแทนทي خبرة مباشرة من نتائج المرضى الإيجابية.

العثور على أكثر العلاجات ملاءمة

يصف الأشخاص الذين يخضعون للتدخلات المتعلقة بالسرطان التوتر والأعراض غير السارة المرتبطة بالحلول التي قد تكون غير مثالية. على الرغم من أن العديد من الأفراد يتحملون الغثيان وفقدان الشعر والمزيد ، فإنهم يصبحون أقل موافقة على الاستمرار إذا لم تظهر الاختبارات الأولية نتائج واعدة.

يستفيد الجميع إذا عرف أخصائيو السرطان العلاجات المحددة للمريض في وقت أقرب. يتضمن النهج المعتاد لتصميم خطط الرعاية دراسة مسح الصور الطبية والمسح الطبي مع نقطة بيانات واحدة فقط لكل بكسل ، تمثلها درجات الرمادي. يستخدم بعض الباحثين الذكاء الاصطناعي لتحقيق تقدم. يمكن أداة واحدة لفحص ما يصل إلى 30000 تفاصيل لكل بكسل وتحليل عينات الأنسجة الصغيرة مثل 400 ميكرومتر مربع – حوالي عرض خمس خيوط شعر بشرية.

استخدم الفريق عينات متبرع بها لتقييم النتائج. عند تطبيقها على حالات سرطان المثانة ، وجدت منصة الذكاء الاصطناعي مجموعة خلايا متخصصة تُنشئ هياكل لمفاوية ثانوية. يشير المعرفة الحالية إلى أن هذه الهياكل تحسن استجابات العلاج المناعي للمرضى. بالإضافة إلى ذلك ، ميزت الأداة بين الخلايا السرطانية والأنسجة المخاطية في عينات سرطان المعدة ، مما يساعد المستخدمين على تحديد مدى انتشارهم بدقة أكبر.

يؤمن هؤلاء الباحثون بأن جهودهم قد تظهر للأطباء أي علاجات تعمل بشكل أفضل للسرطانات المختلفة. إذا كان الأمر كذلك ، فقد ي简 أيضًا البحث ذو الصلة عن طريق مساعدتهم على استخراج بيانات أكثر قيمة من الصور التشخيصية الشائعة.

تقليل جداول تطوير الأدوية

يستغرق جعل علاجات السرطان الجديدة متاحة تجارياً سنوات ، وترتكز الفرص على التجارب السريرية الناجحة. قام باحثون في لندن بتطوير نهج ذكاء اصطناعي لدراسة كيفية وصول الأدوية إلى أهدافها. قد ي cải thiện التركيز على الخيارات الأكثر فعالية النتائج ، مما يؤدي إلى إقناع المنظمين بتوسيع توافر المنتجات.

استخدم الفريق ما يقرب من 100000 صورة مجهرية ثلاثية الأبعاد لخلايا سرطان الجلد ، وحددت خوارزميات التعلم الجيومتري العميق شكلها. كانت الجهود السابقة تحصل فقط على بيانات ثنائية الأبعاد من العينات على شرائح المجهر ، ولكن هذا النهج يفحص الخلايا كما تظهر في الأجسام. بالإضافة إلى ذلك ، يظهر كيف تتغير أشكالها بسبب علاجات معينة ويظهر التباين عبر السكان الخلوي.

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

نظرًا لأن الذكاء الاصطناعي كشف عن التغييرات الكيميائية الحيوية ، يعتقد الباحثون أن ابتكارهم قد يسلط الضوء على أهداف معينة للتأكيد عليها مع أدوية السرطان الجديدة. 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 بتحديد المرضى الذين سوف يستفيدون أكثر منهم وتحديد الآثار الجانبية الشائعة.

تسهيل مهام تقييم السرطان

لقد حسّن الذكاء الاصطناعي بالفعل مهام باحثي السرطان ، ولكن معظم الأدوات تتعامل فقط مع أجزاء فردية من سير العمل. هذا يعني أن المتخصصين في المجال الطبي المهتمين بدمج التكنولوجيا في أيام العمل يجب أن يتعلموا استخدام العديد من المنتجات. ومع ذلك ، يرغب بعض الأفراد في بناء حلول متعددة الأغراض لزيادة سهولة الاستخدام.

قاموا ببناء نموذج مشابه لـ ChatGPT. لقد استخدموه للعديد من العمليات التقييمية المرتبطة ب 19 نوعًا من السرطان ، مما يظهر مرونته. أكثر تحديدًا ، أCELERated مهام التقييم لتحسين الكشف عن التشخيص والاستجابة للعلاج. يعتقد المطورون أيضًا أن ابتكارهم هو الأول الذي يتنبأ ويثبت النتائج عبر العديد من مجموعات المرضى الدولية.

يقوم نموذج الذكاء الاصطناعي بقراءة الشرائح الرقمية التي تحتوي على عينات الأورام ، ويفحص الصفات الجزيئية ، ويفند الخلايا السرطانية. كما فحص الأنسجة المحيطة بالgrowths ، التي تشير إلى كيفية استجابة المرضى للعلاجات القياسية أو تظهر للباحثين التي هي أقل فعالية. اقترح التجارب أنه كان أكثر دقة من المنتجات المتاحة حاليًا. بالإضافة إلى ذلك ، ربط 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 محددة تم تقسيمها إلى قطع وفقًا للمناطق ذات الصلة. خطوة لاحقة كشفت الخوارزميات عن 60000 مثال للشرائح الكاملة التي تمثل 19 نوعًا من السرطان. هذا النهج علّم الذكاء الاصطناعي تقييم الصور الكاملة للحصول على نتائج شاملة.

ثم قام الفريق بتحديد أداتهم على 19400 صورة شريحة كاملة وجدت في 32 مجموعة بيانات مستقلة. نظرًا لأن هذه المعلومات جاءت من 24 مجموعة مرضى ومستشفيات موزعة على مستوى العالم ، فإنها توفر عينة دقيقة من الظروف الحقيقية.

تعزيز قيمة صور المجهر البيولوجي

يستخدم باحثو السرطان صور المجهر البيولوجي لتعزيز عملهم ، ولكن سير العمل الحالي يستغرق أيامًا لفحص هذه البيانات. قام فريق بتطوير تقنية رؤية حاسوبية جديدة لتسهيل هذه المهام الأساسية. يستخدم التعلم الآلي لتحليل العينات والبحث عن سمات مشتركة بين الأورام السرطانية.

تكتسب الأداة نتائج بكفاءة من خلال فحص مناطق متعددة من نمو فردي وتصوره ككل. تفرق المنتجات الأخرى التي تحليل صور المجهر البيولوجي الأورام الكبيرة إلى قطع صغيرة وتعامل مع الأجزاء كعينات منفصلة. ومع ذلك ، يمكن أن تحتوي على ما يصل إلى مليار بكسل ، لذلك فهي تستغرق وقتًا طويلاً للدراسة.

يتخيل المطورون أن الأطباء قد يصنعون تشخيصات فورية من صور الأورام. ثم سوف يمررون المعلومات إلى الجراحين الذين يقومون بعمليات لاستخراج الأنسجة السرطانية ، مما يسمح لهم باستخدام أحدث الإشارات.

أظهرت الاختبارات التي قارنت هذه الأداة بأفضل تقنيات تحليل الصور القائمة على البaseline أنها كانت أفضل بنسبة 4٪ تقريبًا و达قة 88٪ في بعض الحالات. كما شدد الباحثون على أن المستخدمين يمكنهم تطبيقها على أي نوع أورام وطريقة مجهرية ، مما يجعلها قابلة للتطبيق على نطاق واسع.

دفع أبحاث السرطان إلى الأمام مع الرؤية الحاسوبية

يمكن أن يرفع الذكاء الاصطناعي القائم على الرؤية الحاسوبية إنتاجية باحثي السرطان ، ويزيد من النتائج العلمية والمرتبطة بالمرضى. تظهر هذه الأمثلة الإمكانيات الوفيرة ، ولكن يجب على المحترفين المهتمين بتطبيق التكنولوجيا أن يفعلوا ذلك لتعزيز الخبرة المكتسبة ولا يعاملوا الابتكارات كأدوات آمنة.