Bagaimana Penglihatan Komputer Meningkatkan Penelitian Kanker

Penglihatan komputer adalah kecerdasan buatan yang memungkinkan algoritma untuk mengekstrak informasi yang bermakna dari video dan gambar. Peneliti kanker telah menemukan cara efektif untuk menggunakannya untuk memeriksa gambar, sampel mikroskopis, pemindaian medis, dan lain-lain. Beberapa pendekatan dapat mempersingkat alur kerja yang sebelumnya merepotkan, memungkinkan tim yang terbatas sumber daya untuk mencapai tujuan dan meningkatkan dampak pasien.

Meningkatkan Pengetahuan tentang Penggerak Pertumbuhan Tumor

Setelah mengkonfirmasi kehadiran dan jenis kanker dalam biopsi, ahli patologi mungkin melakukan sekuen genetik pada molekul RNA dalam sampel. Kemudian, mereka dapat menemukan perubahan genetik yang mempengaruhi pertumbuhan tumor. Informasi itu memajukan penelitian yang berharga dan intervensi yang dipersonalisasi. Namun, metode saat ini yang mahal dan proses yang panjang membuat beberapa peneliti ingin mencari alternatif yang layak.

Satu tim membangun alat AI yang menganalisis gambar mikroskop standar dari biopsi untuk memprediksi aktivitas genetik dalam sel tumor. Mereka melatih inovasi mereka pada lebih dari 7.500 sampel yang mewakili 16 jenis kanker dan dataset lain yang relevan, termasuk gambar sel sehat.

Peneliti ini memprioritaskan kemudahan penggunaan melalui interpretasi yang mudah, membuat program AI mereka menampilkan informasi terkait gen sebagai peta biopsi tumor visual. Keputusan itu memungkinkan pengguna untuk mengidentifikasi variasi khas di area tertentu. Kelompok ini juga menggunakan metode pewarnaan standar untuk visualisasi sel kanker, dan alat tersebut mengidentifikasi ekspresi genetik dari lebih dari 15.000 gen dalam gambar yang diwarnai.

Temuan mereka menunjukkan korelasi lebih dari 80% antara aktivitas genetik yang diprediksi oleh AI dan perilaku sebenarnya. Model tersebut umumnya berperforma lebih baik ketika dataset sampel termasuk lebih banyak contoh dari jenis kanker tertentu.

Eksperimen tim penelitian ini juga menunjukkan potensi algoritma untuk mengassign skor risiko genetik kepada pasien dengan kanker payudara. Pihak yang dikategorikan sebagai lebih berisiko memiliki lebih banyak kekambuhan dan durasi yang lebih singkat di antaranya.

Orang telah menggunakan AI untuk kemajuan medis lain yang menarik. Salah satu perkembangan dapat mendeteksi COVID-19 dengan akurasi hingga 99%, menunjukkan peningkatan kesehatan masyarakat yang penting. Meskipun kemajuan ini mengesankan, profesional harus hanya melengkapi pekerjaan mereka dengan teknologi ini. Mengizinkan AI menggantikan pengalaman langsung bisa mengurangi hasil pasien yang positif.

Menemukan Pengobatan yang Paling Tepat

Orang yang menjalani intervensi terkait kanker merincikan stres dan gejala tidak menyenangkan yang terkait dengan solusi yang mungkin tidak optimal. Meskipun banyak individu toleran terhadap mual, kehilangan rambut, dan lain-lain, mereka menjadi kurang setuju untuk melanjutkan jika tes awal tidak menunjukkan hasil yang menjanjikan.

Setiap orang mendapat manfaat jika spesialis kanker mengidentifikasi pengobatan yang paling sesuai untuk pasien lebih awal. Pendekatan umum untuk merancang rencana perawatan melibatkan mempelajari pemindaian CT dan MRI dengan hanya satu data poin per piksel, yang diwakili sebagai nuansa abu-abu. Beberapa peneliti menggunakan AI untuk membuat kemajuan. Salah satu alat dapat memeriksa hingga 30.000 detail per piksel dan menganalisis sampel jaringan sekecil 400 mikrometer persegi — sekitar lebar lima rambut manusia.

Tim tersebut menggunakan sampel sumbangan untuk menilai hasilnya. Ketika diterapkan pada kasus kanker kandung kemih, platform AI menemukan kelompok sel khusus yang menciptakan struktur limfoid tersier. Pengetahuan saat ini menunjukkan bahwa struktur ini meningkatkan respons imunoterapi pasien. Selain itu, alat tersebut membedakan antara sel kanker dan mukosa jaringan pada sampel kanker lambung, membantu pengguna untuk lebih akurat menentukan sejauh mana penyebaran kanker.

Peneliti ini percaya bahwa upaya mereka bisa menunjukkan kepada dokter pengobatan mana yang paling efektif untuk berbagai jenis kanker. Jika demikian, mungkin juga mempermudah penelitian terkait dengan membantu mereka mengekstrak data yang lebih berharga dari gambar diagnostik umum.

Memperpendek Waktu Pengembangan Obat

Membuat pengobatan kanker baru yang tersedia secara komersial membutuhkan waktu bertahun-tahun, dan prospeknya bergantung pada uji klinis yang sukses. Peneliti di London baru-baru ini menciptakan pendekatan yang ditenagai AI untuk mempelajari seberapa baik obat mencapai targetnya. Fokus pada pilihan yang paling efektif bisa meningkatkan hasil, meyakinkan regulator untuk memperluas ketersediaan produk.

Kelompok tersebut menggunakan hampir 100.000 gambar mikroskop 3D dari sel melanoma, dan algoritma pembelajaran geometrik dalam menganalisis bentuknya. Upaya sebelumnya hanya mendapatkan data dua dimensi dari sampel pada slide mikroskop, tetapi pendekatan ini memeriksa sel seperti yang muncul dalam tubuh. Selain itu, ini mengungkapkan bagaimana mereka berubah bentuk karena pengobatan tertentu dan menunjukkan variabilitas di seluruh populasi sel.

Alat ini lebih dari 99% akurat dalam mendeteksi bagaimana obat tertentu mempengaruhi sel. Bahkan mengidentifikasi perubahan bentuk yang dipicu oleh obat yang menargetkan protein yang berbeda.

Karena AI mengungkapkan perubahan biokimia, peneliti berpikir bahwa inovasi mereka bisa menyoroti target tertentu untuk ditekankan dengan obat kanker baru. Kemudian, perangkat lunak tersebut akan mempersingkat kerangka waktu pra-klinis dari tiga tahun menjadi tiga bulan. Selain itu, bisa mengurangi uji coba hingga enam tahun, lebih cepat menemukan pasien yang paling mungkin mendapat manfaat dan menentukan efek sampingan yang umum.

Mempermudah Tugas Evaluasi Kanker

AI telah meningkatkan tugas peneliti kanker, tetapi sebagian besar alat hanya menangani bagian individual dari alur kerja. Artinya, spesialis medis yang tertarik untuk mengintegrasikan teknologi ke dalam hari kerja mereka perlu belajar menggunakan beberapa produk. Namun, beberapa kelompok ingin membangun solusi multipurpose untuk meningkatkan kemudahan penggunaan.

Satu kelompok membangun model serupa dengan ChatGPT. Mereka menggunakannya untuk berbagai proses evaluatif yang terkait dengan 19 jenis kanker, menunjukkan fleksibilitasnya. Lebih khusus, ini mempercepat tugas evaluasi untuk deteksi yang ditingkatkan, prognosis, dan respons pengobatan. Pengembang juga percaya bahwa inovasi mereka adalah yang pertama untuk memprediksi dan memvalidasi hasil di seluruh kelompok pasien internasional.

Model AI membaca slide digital yang berisi sampel tumor, menganalisis profil molekuler, dan menemukan sel kanker. Ini juga memeriksa jaringan di sekitar pertumbuhan, yang menunjukkan bagaimana pasien telah merespons pengobatan standar atau menunjukkan kepada peneliti mana yang kurang efektif. Eksperimen menunjukkan bahwa ini lebih akurat daripada produk yang saat ini tersedia. Selain itu, ini menghubungkan karakteristik tumor tertentu dengan tingkat kelangsungan hidup pasien yang lebih tinggi untuk pertama kalinya, potensial membuka area penelitian baru.

Peneliti melatih model pada 15 juta gambar yang tidak berlabel yang dibagi menjadi potongan tergantung pada area minat. Langkah selanjutnya memaparkan algoritma pada 60.000 contoh slide lengkap yang mewakili 19 jenis kanker. Pendekatan ini mengajarkan AI untuk menilai gambar secara keseluruhan untuk hasil yang menyeluruh.

Kemudian, kelompok tersebut menguji alat mereka pada 19.400 gambar slide lengkap yang ditemukan dalam 32 dataset independen. Karena informasi itu berasal dari 24 kohort pasien dan rumah sakit yang berlokasi di seluruh dunia, ini menyediakan sampel yang akurat dari kondisi kehidupan nyata.

Meningkatkan Nilai Gambar Mikroskop Biomedis

Peneliti kanker menggunakan gambar mikroskop biomedis untuk memajukan pekerjaan mereka, tetapi alur kerja yang ada membutuhkan waktu beberapa hari untuk memeriksa data ini. Satu tim mengembangkan teknik penglihatan komputer baru untuk membuat tugas penting ini lebih efisien. Ini menggunakan pembelajaran mesin untuk menganalisis sampel dan menemukan karakteristik umum di antara tumor kanker.

Alat ini dengan efisien mendapatkan hasil dengan memeriksa beberapa area dari pertumbuhan individu dan memahaminya sebagai keseluruhan. Produk lain yang menganalisis gambar mikroskop biomedis membagi tumor besar menjadi potongan kecil dan memperlakukan bagian-bagian tersebut sebagai sampel terpisah. Namun, gambar ini dapat mengandung hingga 1 miliar piksel, sehingga membutuhkan waktu lama untuk dipelajari.

Pengembang membayangkan bahwa klinisi dapat membuat diagnosis segera dari gambar tumor. Kemudian, para profesional tersebut akan meneruskan informasi kepada ahli bedah yang melakukan operasi untuk mengangkat jaringan kanker, memungkinkan mereka untuk menggunakan wawasan terbaru.

Uji coba yang membandingkan alat ini dengan teknik analisis gambar baseline terbaik menunjukkan bahwa ini hampir 4% lebih baik dan mencapai akurasi hampir 88% dalam beberapa kasus. Peneliti juga menekankan bahwa pengguna dapat menerapkannya pada jenis tumor apa pun dan metode mikroskop, membuatnya sangat berguna.

Mendorong Penelitian Kanker Maju dengan Penglihatan Komputer

Penglihatan komputer yang ditenagai AI dapat meningkatkan hasil peneliti kanker, memaksimalkan hasil ilmiah dan hasil pasien. Contoh ini menunjukkan potensi yang melimpah, tetapi profesional yang tertarik untuk menerapkan teknologi ini harus melakukannya untuk melengkapi keahlian yang diperoleh dan tidak menganggap inovasi sebagai yang tak terbantahkan.