Come la visione artificiale migliora la ricerca sul cancro

La visione artificiale è un'intelligenza artificiale che consente agli algoritmi di estrarre informazioni significative da video e immagini. I ricercatori oncologi hanno esplorato modi efficaci per utilizzarla per esaminare immagini, campioni microscopici, scansioni mediche e altro ancora. Alcuni approcci possono abbreviare flussi di lavoro precedentemente complessi, consentendo ai team con risorse limitate di raggiungere gli obiettivi e aumentare l'impatto sui pazienti.

Migliorare la conoscenza dei fattori che determinano la crescita dei tumori

Dopo aver confermato la presenza e il tipo di tumore nelle biopsie, i patologi possono eseguire il sequenziamento genetico delle molecole di RNA presenti nei campioni. In questo modo, possono individuare quali cambiamenti genomici influenzano la crescita del tumore. Queste informazioni favoriscono ricerche preziose e interventi personalizzati. Tuttavia, i costi elevati e la lunghezza dei processi dei metodi attuali lasciano alcuni ricercatori desiderosi di alternative valide.

Un team ha creato uno strumento di intelligenza artificiale che analizza le immagini di microscopia standard di biopsie per predire l'attività genetica all'interno delle cellule tumorali. Hanno testato la loro innovazione su oltre 7,500 campioni rappresentativi di 16 tipi di cancro e altri set di dati rilevanti, tra cui immagini di cellule sane.

Questi ricercatori hanno dato priorità all'usabilità attraverso una facile interpretazione, creando il loro programma basato sull'intelligenza artificiale per mostrare le informazioni genetiche sotto forma di mappa visiva della biopsia tumorale. Questa decisione consente agli utenti di identificare variazioni distintive in aree specifiche. Il gruppo si è inoltre affidato a un metodo di colorazione standard per visualizzare le cellule tumorali e lo strumento ha identificato le espressioni genetiche di oltre 15,000 geni all'interno delle immagini colorate.

I loro risultati hanno indicato una correlazione di oltre l'80% tra l'attività genetica prevista dall'intelligenza artificiale e il comportamento effettivo. Il modello ha generalmente funzionato meglio quando il set di dati campione includeva più esempi di uno specifico tipo di cancro.

Gli esperimenti di questo team di ricerca hanno anche dimostrato la potenziale validità dell'algoritmo nell'assegnazione di punteggi di rischio genomico a pazienti con cancro al seno. I soggetti classificati come più a rischio presentavano più recidive e intervalli di tempo più brevi tra loro.

L'intelligenza artificiale è stata utilizzata per altri affascinanti progressi medici. Uno di questi è in grado di rilevare il COVID-19. con una precisione fino all'99%, che rappresenta un miglioramento essenziale per la salute pubblica. Nonostante l'impressionante portata di queste possibilità, i professionisti devono solo integrarle nel loro lavoro. Lasciare che l'intelligenza artificiale sostituisca l'esperienza diretta potrebbe ridurre gli esiti positivi per i pazienti.

Trovare i trattamenti più appropriati

Le persone sottoposte a interventi oncologici descrivono dettagliatamente lo stress e i sintomi spiacevoli associati a soluzioni potenzialmente subottimali. Sebbene molti individui tollerino nausea, perdita di capelli e altro, diventano meno propensi a proseguire se i primi esami non mostrano risultati promettenti.

Tutti ne traggono beneficio se gli specialisti del cancro identificano tempestivamente i migliori trattamenti specifici per ogni paziente. L'approccio tipico alla progettazione di piani di cura prevede lo studio di TAC e risonanza magnetica con un solo punto dati per pixel, rappresentato come sfumature di grigio. Alcuni ricercatori utilizzano l'intelligenza artificiale per fare progressi. Uno strumento può esaminare fino a 30,000 dettagli per pixel e analizzano campioni di tessuto piccoli fino a 400 micrometri quadrati, ovvero circa la larghezza di cinque capelli umani.

Il team ha utilizzato campioni donati per valutare i risultati. Applicata ai casi di cancro alla vescica, la piattaforma di intelligenza artificiale ha individuato un gruppo cellulare specializzato che crea strutture linfoidi terziarie. Le conoscenze attuali suggeriscono che queste strutture migliorino la risposta immunoterapica dei pazienti. Inoltre, lo strumento ha differenziato tra cellule cancerose e tessuto mucoso nei campioni di cancro gastrico, aiutando gli utenti a individuarne con maggiore precisione l'entità della diffusione.

Questi ricercatori ritengono che i loro sforzi potrebbero mostrare ai medici quali trattamenti sono più efficaci per diversi tipi di cancro. In tal caso, potrebbero anche semplificare la ricerca pertinente, aiutandoli a estrarre dati più preziosi dalle immagini diagnostiche più comuni.

Riduzione dei tempi di sviluppo dei farmaci

Rendere disponibili in commercio nuovi trattamenti contro il cancro richiede anni e le prospettive dipendono dal successo delle sperimentazioni cliniche. Ricercatori a Londra ha recentemente creato un approccio basato sull'intelligenza artificiale per studiare l'efficacia dei farmaci nel raggiungere i loro obiettivi. Concentrarsi sulle opzioni più efficaci potrebbe migliorare i risultati, convincendo le autorità di regolamentazione ad ampliare la disponibilità dei prodotti.

Il gruppo ha utilizzato quasi 100,000 immagini di microscopia 3D di cellule di melanoma e algoritmi di apprendimento profondo geometrico ne hanno analizzato la forma. I precedenti tentativi ottenevano solo dati bidimensionali da campioni su vetrini da microscopio, ma questo approccio esamina le cellule così come appaiono nei corpi. Inoltre, rivela come cambiano forma a causa di trattamenti specifici e mostra la variabilità tra le popolazioni cellulari.

Questo strumento ha avuto un'accuratezza superiore al 99% nel rilevare l'effetto di specifici farmaci sulle cellule. Ha persino identificato i cambiamenti di forma innescati da quelli che prendono di mira proteine diverse.

Poiché l'intelligenza artificiale ha rivelato alterazioni biochimiche, i ricercatori ritengono che la loro innovazione potrebbe evidenziare specifici obiettivi da focalizzare con nuovi farmaci antitumorali. In questo modo, il software ridurrebbe i tempi preclinici da tre anni a tre mesi. Allo stesso modo, potrebbe ridurre i tempi di sperimentazione fino a sei anni, individuando più rapidamente i pazienti con maggiori probabilità di beneficio e individuando gli effetti collaterali più comuni.

Semplificazione delle attività di valutazione del cancro

L'intelligenza artificiale ha già migliorato il lavoro dei ricercatori oncologi, ma la maggior parte degli strumenti gestisce solo singole parti del flusso di lavoro. Ciò significa che i medici specialisti interessati a integrare la tecnologia nelle loro attività quotidiane devono imparare a utilizzare diversi prodotti. Tuttavia, alcuni gruppi desiderano sviluppare soluzioni multifunzionali per aumentarne la facilità d'uso.

Uno ha costruito un modello simile a ChatGPT. Lo hanno usato per molteplici processi valutativi collegati a 19 tipi di cancro, dimostrando la sua versatilità. Più specificamente, ha accelerato le attività di valutazione per migliorare l'individuazione, la prognosi e la risposta al trattamento. Gli sviluppatori ritengono inoltre che la loro innovazione sia la prima a prevedere e convalidare i risultati in diversi gruppi di pazienti internazionali.

Il modello di intelligenza artificiale legge vetrini digitali contenenti campioni tumorali, analizza i profili molecolari e individua le cellule cancerose. Ha inoltre esaminato i tessuti circostanti le escrescenze, che indicano la risposta dei pazienti ai trattamenti standard o mostrano ai ricercatori quali sono meno efficaci. Gli esperimenti hanno suggerito una maggiore accuratezza rispetto ai prodotti attualmente disponibili. Inoltre, per la prima volta ha collegato specifiche caratteristiche tumorali a un aumento dei tassi di sopravvivenza dei pazienti, aprendo potenzialmente nuove aree di ricerca.

I ricercatori hanno addestrato il modello su 15 milioni di immagini non etichettate, suddivise in blocchi a seconda delle aree di interesse. Una fase successiva ha esposto gli algoritmi a 60,000 esempi di diapositive complete rappresentanti i 19 tipi di cancro. Questo approccio ha insegnato all'IA a valutare immagini intere per ottenere risultati approfonditi.

Successivamente, il gruppo ha testato il proprio strumento su 19,400 immagini di diapositive intere reperite in 32 set di dati indipendenti. Poiché tali informazioni provenivano da 24 coorti di pazienti e ospedali dislocati in tutto il mondo, forniscono un campione accurato di condizioni reali.

Migliorare il valore delle immagini di microscopia biomedica

I ricercatori oncologi utilizzano le immagini di microscopia biomedica per approfondire il loro lavoro, ma i flussi di lavoro esistenti richiedono giorni per esaminare questi dati. Un team ha sviluppato una nuova tecnica di visione artificiale per rendere più efficienti queste attività essenziali. Utilizza l'apprendimento automatico per analizzare i campioni e individuare caratteristiche comuni tra i tumori cancerosi.

Lo strumento ottiene risultati efficienti esaminando più aree di crescita individuale e percependole come un tutt'uno. Altri prodotti che analizzano le immagini di microscopia biomedica suddividono i tumori di grandi dimensioni in aree più piccole e trattano le porzioni come campioni separati. Tuttavia, queste immagini possono contenere fino a 1 miliardo di pixel, quindi il loro studio richiede molto tempo.

Gli sviluppatori immaginano che i medici possano formulare diagnosi quasi immediate a partire dalle immagini tumorali. Successivamente, i professionisti trasmetterebbero le informazioni ai chirurghi che eseguono interventi di estrazione dei tessuti cancerosi, consentendo loro di utilizzare le conoscenze più aggiornate.

I test che hanno confrontato questo strumento con le tecniche di analisi delle immagini di base più performanti hanno dimostrato che era migliore di quasi il 4% e che in alcuni casi raggiungeva un'accuratezza prossima all'88%. I ricercatori hanno inoltre sottolineato che gli utenti potevano applicarlo a qualsiasi tipo di tumore e metodo di microscopia, rendendolo ampiamente applicabile.

Promuovere la ricerca sul cancro con la visione artificiale

La visione artificiale basata sull'intelligenza artificiale può migliorare la produttività dei ricercatori oncologici, massimizzando i risultati scientifici e quelli relativi ai pazienti. Questi esempi ne illustrano l'enorme potenziale, ma i professionisti interessati ad applicare la tecnologia dovrebbero farlo per accrescere le competenze acquisite e non considerare le innovazioni come infallibili.