Como a Visão Computacional Melhora a Pesquisa sobre Câncer

A visão computacional é uma inteligência artificial que permite que algoritmos extraiam informações significativas de vídeos e imagens. Pesquisadores de câncer exploraram maneiras eficazes de usá-la para examinar imagens, amostras microscópicas, exames médicos e mais. Algumas abordagens podem encurtar fluxos de trabalho anteriormente tediosos, permitindo que equipes com recursos limitados atinjam metas e aumentem o impacto nos pacientes.

Melhorando o Conhecimento dos Fatores de Crescimento do Tumor

Depois de confirmar a presença e o tipo de câncer em biópsias, patologistas podem realizar sequenciamento genético das moléculas de RNA nas amostras. Em seguida, eles podem descobrir quais alterações genômicas influenciam o crescimento do tumor. Essas informações aprimoram a pesquisa valiosa e as intervenções personalizadas. No entanto, os métodos atuais são caros e demorados, deixando alguns pesquisadores ansiosos por alternativas viáveis.

Uma equipe construiu uma ferramenta de IA que analisa imagens de microscopia padrão de biópsias para prever a atividade genética dentro das células tumorais. Eles treinaram sua inovação em mais de 7.500 amostras representando 16 tipos de câncer e outros conjuntos de dados relevantes, incluindo imagens de células saudáveis.

Esses pesquisadores priorizaram a usabilidade por meio da facilidade de interpretação, criando seu programa de IA para mostrar as informações relacionadas a genes como um mapa de biópsia de tumor visual. Essa decisão permite que os usuários identifiquem variações distintas em áreas específicas. O grupo também confiou em um método de coloração padrão para visualizar células de câncer, e a ferramenta identificou as expressões genéticas de mais de 15.000 genes nas imagens coloridas.

Seus achados indicaram uma correlação de mais de 80% entre a atividade genética prevista pela IA e o comportamento real. O modelo geralmente se saiu melhor quando o conjunto de dados da amostra incluía mais exemplos de um tipo específico de câncer.

Os experimentos dessa equipe de pesquisa também mostraram o potencial de validade da ferramenta para atribuir escores de risco genômico a pacientes com câncer de mama. As partes categorizadas como de maior risco tiveram mais recorrências e intervalos mais curtos entre elas.

As pessoas usaram IA para outras fascinantes avanços médicos. Um desenvolvimento pode detectar COVID-19 com até 99% de precisão, mostrando uma melhoria essencial na saúde pública. Apesar da impressionante dessas possibilidades, os profissionais devem apenas complementar seu trabalho com elas. Deixar a IA substituir a experiência de primeira mão poderia reduzir os resultados positivos dos pacientes.

Encontrando os Tratamentos Mais Apropriados

As pessoas que passam por intervenções relacionadas ao câncer detalham o estresse e os sintomas desagradáveis associados a soluções potencialmente subótimas. Embora muitos indivíduos tolerem náusea, perda de cabelo e mais, eles se tornam menos dispostos a continuar se os testes iniciais não mostrarem resultados promissores.

Todos se beneficiam se os especialistas em câncer identificam os tratamentos personalizados mais adequados para os pacientes mais cedo. A abordagem típica para elaborar planos de cuidados envolve estudar exames de CT e MRI com apenas um ponto de dados por pixel, representado como tons de cinza. Alguns pesquisadores usam IA para fazer progressos. Uma ferramenta pode examinar até 30.000 detalhes por pixel e analisar amostras de tecido tão pequenas quanto 400 micrômetros quadrados — cerca da largura de cinco cabelos humanos.

A equipe usou amostras doadas para avaliar os resultados. Quando aplicada a casos de câncer de bexiga, a plataforma de IA encontrou um grupo de células especializadas que cria estruturas linfoides terciárias. O conhecimento atual sugere que essas melhoram as respostas de imunoterapia dos pacientes. Além disso, a ferramenta diferenciou entre células cancerígenas e mucosa de tecido em amostras de câncer gástrico, ajudando os usuários a identificar mais precisamente a extensão de sua propagação.

Esses pesquisadores acreditam que seus esforços poderiam mostrar aos médicos quais tratamentos funcionam melhor para vários tipos de câncer. Se assim for, também pode otimizar as pesquisas relevantes ajudando-os a extrair mais dados valiosos de imagens diagnósticas comuns.

Reduzindo os Prazos de Desenvolvimento de Medicamentos

Tornar novos tratamentos para câncer disponíveis comercialmente leva anos, e as perspectivas dependem de ensaios clínicos bem-sucedidos. Pesquisadores em Londres recentemente criaram uma abordagem habilitada por IA para estudar como os medicamentos atingem seus alvos. Concentrar-se nas opções mais eficazes pode melhorar os resultados, convencendo os reguladores a ampliar a disponibilidade do produto.

O grupo usou quase 100.000 imagens de microscopia 3D de células de melanoma, e algoritmos de aprendizado geométrico profundo analisaram sua forma. Esforços anteriores obtiveram apenas dados bidimensionais de amostras em lâminas de microscópio, mas essa abordagem examina as células como elas aparecem nos corpos. Além disso, revela como elas mudam de forma devido a tratamentos específicos e mostra a variabilidade em populações celulares.

Essa ferramenta foi mais de 99% precisa em detectar como os medicamentos específicos afetavam as células. Ela até identificou mudanças de forma desencadeadas por aqueles que visam proteínas diferentes.

Como a IA revelou alterações bioquímicas, os pesquisadores pensam que sua inovação pode destacar alvos específicos a serem enfatizados com novos medicamentos contra o câncer. Em seguida, o software reduziria o prazo pré-clínico de três anos para três meses. Relacionado a isso, também poderia reduzir os ensaios em até seis anos, encontrando mais rapidamente os pacientes que mais provavelmente se beneficiarão e identificando os efeitos colaterais comuns.

Otimizando Tarefas de Avaliação do Câncer

A IA já melhorou as tarefas dos pesquisadores de câncer, mas a maioria das ferramentas lida apenas com partes individuais do fluxo de trabalho. Isso significa que os especialistas médicos interessados em integrar a tecnologia em seu trabalho diário precisam aprender a usar vários produtos. No entanto, alguns grupos desejam construir soluções de múltiplo propósito para aumentar a facilidade de uso.

Um construiu um modelo semelhante ao ChatGPT. Eles o usaram para vários processos avaliativos relacionados a 19 tipos de câncer, mostrando sua versatilidade. Mais especificamente, acelerou tarefas de avaliação para detecção aprimorada, prognóstico e respostas de tratamento. Os desenvolvedores também acreditam que sua inovação é a primeira a prever e validar resultados em vários grupos de pacientes internacionais.

O modelo de IA lê lâminas digitais contendo amostras de tumor, analisa os perfis moleculares e encontra células cancerígenas. Ele também examinou os tecidos ao redor dos crescimentos, que indicam como os pacientes responderam aos tratamentos padrão ou mostram aos pesquisadores quais são menos eficazes. Experimentos sugeriram que foi mais preciso do que os produtos atualmente disponíveis. Além disso, ligou características específicas de tumor a taxas de sobrevivência aumentadas dos pacientes, potencialmente desbloqueando novas áreas de pesquisa.

Os pesquisadores treinaram o modelo em 15 milhões de imagens não rotuladas divididas em pedaços dependendo das áreas de interesse. Uma etapa posterior expôs os algoritmos a 60.000 exemplos de lâminas inteiras representando os 19 tipos de câncer. Essa abordagem ensinou a IA a avaliar imagens inteiras para resultados abrangentes.

Em seguida, o grupo testou sua ferramenta em 19.400 imagens de lâminas inteiras encontradas em 32 conjuntos de dados independentes. Como essas informações vieram de 24 coortes de pacientes e hospitais globalmente localizados, fornece uma amostra precisa de condições da vida real.

Aumentando o Valor das Imagens de Microscopia Biomédica

Os pesquisadores de câncer usam imagens de microscopia biomédica para avançar em seu trabalho, mas os fluxos de trabalho existentes levam dias para examinar esses dados. Uma equipe desenvolveu uma nova técnica de visão computacional para tornar essas tarefas essenciais mais eficientes. Ela usa aprendizado de máquina para analisar amostras e encontrar características compartilhadas entre tumores cancerígenos.

A ferramenta obtém resultados de forma eficiente examinando múltiplas áreas de um crescimento individual e percebendo-as como um todo. Outros produtos que analisam imagens de microscopia biomédica dividem tumores grandes em patches menores e tratam as porções como amostras separadas. No entanto, essas imagens podem conter até 1 bilhão de pixels, então são demoradas para estudar.

Os desenvolvedores imaginam que os clínicos possam fazer diagnósticos quase imediatos a partir de imagens de tumor. Em seguida, esses profissionais passariam as informações para os cirurgiões que realizam operações para extrair tecidos cancerígenos, permitindo que usem as informações mais atuais.

Testes comparando essa ferramenta com as melhores técnicas de análise de imagem de linha de base mostraram que foi quase 4% melhor e alcançou quase 88% de precisão em alguns casos. Os pesquisadores também enfatizaram que os usuários podem aplicá-la a qualquer tipo de tumor e método de microscopia, tornando-a amplamente aplicável.

Impulsionando a Pesquisa sobre Câncer com Visão Computacional

A visão computacional impulsionada por IA pode elevar a produtividade dos pesquisadores de câncer, maximizando seus resultados científicos e relacionados a pacientes. Esses exemplos ilustram o abundante potencial, mas os profissionais interessados em aplicar a tecnologia devem fazê-lo para complementar a expertise adquirida e não tratar inovações como infalíveis.