Cum viziunea computerizată îmbunătățește cercetarea cancerului

Viziunea computerizată este inteligență artificială care permite algoritmilor să extragă informații semnificative din videoclipuri și imagini. Cercetătorii cancerului au explorat moduri eficiente de a o utiliza pentru a examina imagini, mostre microscopice, scanări medicale și multe altele. Unele abordări pot scurta fluxurile de lucru anterior încărcate, permițând echipelor cu resurse limitate să atingă obiectivele și să sporească impactul asupra pacienților.

Îmbunătățirea cunoașterii factorilor de creștere a tumorilor

După confirmarea prezenței și a tipului de cancer în biopsii, patologii pot efectua secvențiere genetică a moleculelor de ARN din mostre. Apoi, pot găsi care dintre modificările genomice influențează creșterea tumorii. Acea informație promovează cercetări valoroase și intervenții personalizate. Cu toate acestea, costul și lungimea proceselor actuale lasă unii cercetători dornici de alternative viabile.

O echipă a creat un instrument AI care analizează imagini standard de microscopie ale biopsiilor pentru a prezice activitatea genetică din interiorul celulelor tumorale. Ei au antrenat inovația lor pe peste 7.500 de mostre reprezentând 16 tipuri de cancer și alte seturi de date relevante, inclusiv imagini cu celule sănătoase.

Cercetătorii au prioritar utilizabilitatea prin interpretarea ușoară, creând programul lor bazat pe AI pentru a afișa informațiile legate de gene sub forma unei hărți de biopsie a tumorii. Acea decizie permite utilizatorilor să identifice variații distinctive în zone specifice. Grupul a folosit, de asemenea, o metodă standard de colorare pentru a vizualiza celulele canceroase, iar instrumentul a identificat expresiile genice ale mai mult de 15.000 de gene în imagini colorate.

Rezultatele lor au indicat o corelație de peste 80% între activitatea genetică prezisă de AI și comportamentul real. Modelul a performant, în general, mai bine atunci când setul de date conținea mai multe exemple ale unui anumit tip de cancer.

Experimentele echipei au arătat, de asemenea, potențiala valabilitate a algoritmului pentru atribuirea scorurilor de risc genomic pacienților cu cancer de sân. Pacienții considerați mai riscanți au avut mai multe recidive și perioade mai scurte între ele.

Oamenii au folosit AI și pentru alte progrese medicale fascinante. O dezvoltare poate detecta COVID-19 cu o acuratețe de până la 99%, demonstrând o îmbunătățire esențială a sănătății publice. În ciuda impresionantului acestor posibilități, profesioniștii trebuie să-și completeze munca doar cu acestea. Înlocuirea experienței practice cu AI ar putea reduce rezultatele pozitive pentru pacienți.

Găsirea celor mai potrivite tratamente

Persoanele care suferă intervenții legate de cancer descriu stresul și simptomele neplăcute asociate cu soluții potențial suboptimale. Deși mulți indivizi tolerează greața, pierderea părului și multe altele, ei devin mai puțin de acord să continue dacă testele inițiale nu arată rezultate promițătoare.

Toată lumea beneficiază dacă specialiștii în cancer identifică tratamentele cele mai potrivite pentru pacienți mai devreme. Abordarea obișnuită de proiectare a planurilor de îngrijire implică studiul scanărilor CT și MRI cu doar un punct de date pe pixel, reprezentate ca nuanțe de gri. Unii cercetători folosesc AI pentru a face progrese. Un instrument poate examina până la 30.000 de detalii pe pixel și analiza mostrelor de țesut atât de mici cât 400 de micrometri pătrați — aproximativ lățimea a cinci fire de păr uman.

Echipa a folosit mostre donate pentru a evalua rezultatele. Atunci când a fost aplicat la cazuri de cancer de vezică, platforma AI a găsit un grup specializat de celule care creează structuri limfoide terțiare. Cunoașterea actuală sugerează că acestea îmbunătățesc răspunsurile pacienților la imunoterapie. De asemenea, instrumentul a diferențiat între celule canceroase și mucoasa gastrică în mostre de cancer gastric, ajutând utilizatorii să identifice mai precis extinderea bolii.

Cercetătorii cred că eforturile lor ar putea arăta medicilor care tratamente funcționează cel mai bine pentru diverse tipuri de cancer. Dacă este așa, ar putea, de asemenea, să simplifice cercetarea relevantă, ajutându-i să extragă mai multe date valoroase din imagini diagnostice comune.

Scurtarea timpului de dezvoltare a medicamentelor

Punerea la dispoziție a noilor tratamente pentru cancer pe piață durează ani, iar perspectivele depind de încercări clinice de succes. Cercetătorii din Londra au creat recent o abordare bazată pe AI pentru a studia cât de bine medicamentele ajung la țintele lor. Concentrarea asupra opțiunilor cele mai eficiente ar putea îmbunătăți rezultatele, convingând regulatorii să extindă disponibilitatea produsului.

Grupul a folosit aproape 100.000 de imagini microscopice 3D ale celulelor de melanom, iar algoritmii de învățare geometrică profundă au analizat forma lor. Eforturile anterioare au obținut doar date bidimensionale din mostre de pe lamele microscopice, dar această abordare examinează celulele așa cum apar în corp. Mai mult, arată cum se schimbă formele datorită tratamentelor specifice și prezintă variabilitatea în cadrul populațiilor celulare.

Acest instrument a fost mai mult de 99% precis în detectarea modului în care medicamentele specifice au afectat celulele. A identificat, de asemenea, modificările de formă declanșate de acestea care țintesc proteine diferite.

Deoarece AI a dezvăluit modificări biochimice, cercetătorii cred că inovația lor ar putea sublinia ținte specifice pentru a fi accentuate cu noi medicamente împotriva cancerului. Apoi, software-ul ar reduce perioada de timp preclinică de la trei ani la trei luni. În mod similar, ar putea reduce încercările cu până la șase ani, găsind mai repede pacienții care ar putea beneficia și identificând efectele secundare comune.

Simplificarea sarcinilor de evaluare a cancerului

AI a îmbunătățit deja sarcinile cercetătorilor cancerului, dar majoritatea instrumentelor gestionează doar părți individuale ale fluxului de lucru. Acest lucru înseamnă că specialiștii medicali interesați să integreze tehnologia în activitatea lor zilnică trebuie să învețe să folosească mai multe produse. Cu toate acestea, unele grupuri doresc să construiască soluții cu mai multe scopuri pentru a crește ușurința utilizării.

Un grup a construit un model similar cu ChatGPT. L-au folosit pentru mai multe procese de evaluare legate de 19 tipuri de cancer, demonstrând versatilitatea sa. Mai specific, a accelerat sarcinile de evaluare pentru detectare îmbunătățită, prognostic și răspunsuri la tratamente. Dezvoltatorii cred, de asemenea, că inovația lor este prima care prezice și validează rezultatele în cadrul mai multor grupuri internaționale de pacienți.

Modelul AI citește diapozitive digitale care conțin mostre de tumoră, analizează profilele moleculare și găsește celule canceroase. A examinat, de asemenea, țesuturile din jurul creșterilor, care indică cum au răspuns pacienții la tratamentele standard sau arată cercetătorilor care tratamente sunt mai puțin eficiente. Experimentele au sugerat că este mai precis decât produsele disponibile în prezent. De asemenea, a legat caracteristici specifice ale tumorilor de rate de supraviețuire crescută a pacienților, deblocând posibil noi domenii de cercetare.

Cercetătorii au antrenat modelul pe 15 milioane de imagini nelabelate împărțite în bucăți în funcție de zonele de interes. O etapă ulterioară a expus algoritmii la 60.000 de exemple complete de diapozitive reprezentând cele 19 tipuri de cancer. Această abordare a învățat AI-ul să evalueze întregi imagini pentru rezultate cuprinzătoare.

Apoi, grupul a testat instrumentul lor pe 19.400 de imagini complete de diapozitive găsite în 32 de seturi de date independente. Deoarece aceste informații proveneau de la 24 de cohorte de pacienți și spitale situate global, oferă un eșantion precis al condițiilor din viața reală.

Îmbunătățirea valorii imaginilor de microscopie biomedicală

Cercetătorii cancerului folosesc imagini de microscopie biomedicală pentru a-și avansa munca, dar fluxurile de lucru existente durează zile pentru a examina aceste date. O echipă a dezvoltat o nouă tehnică de viziune computerizată pentru a face aceste sarcini esențiale mai eficiente. Folosește învățarea automată pentru a analiza mostrele și a găsi caracteristici comune printre tumorile canceroase.

Instrumentul obține rezultate eficient prin examinarea mai multor zone ale unei creșteri individuale și perceperea lor ca întreg. Alte produse care analizează imagini de microscopie biomedicală împart tumorile mari în petice mai mici și tratează porțiunile ca mostre separate. Cu toate acestea, aceste imagini pot conține până la 1 miliard de pixeli, fiind astfel timp-consuming pentru a le studia.

Dezvoltatorii își imaginează că clinicienii ar putea face diagnostice imediate din imagini de tumoră. Apoi, acești profesioniști ar transmite informațiile chirurgilor care efectuează operații pentru a extrage țesuturi canceroase, permițându-le să folosească cele mai recente informații.

Testele care au comparat acest instrument cu cele mai bune tehnici de analiză a imaginilor au arătat că este aproape cu 4% mai bun și a atins o acuratețe de aproape 88% în unele cazuri. Cercetătorii au subliniat, de asemenea, că utilizatorii ar putea aplica această tehnică la orice tip de tumoră și metodă de microscopie, făcând-o aplicabilă pe scară largă.

Impulsionarea cercetării cancerului cu viziune computerizată

Viziunea computerizată condusă de AI poate crește randamentul cercetătorilor cancerului, maximizând rezultatele științifice și legate de pacienți. Aceste exemple ilustrează potențialul abundent, dar profesioniștii interesați să aplice tehnologia ar trebui să o facă pentru a-și completa expertiza dobândită și nu pentru a trata inovațiile ca fiind infailibile.