Cum viziunea computerizată îmbunătățește cercetarea cancerului

Viziunea computerizată este o inteligență artificială care permite algoritmilor să extragă informații semnificative din videoclipuri și imagini. Cercetătorii în domeniul cancerului au explorat modalități 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-și atingă obiectivele și să îmbunătățească 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 determina care modificări genetice influențează creșterea tumorii. Aceste informații contribuie la cercetarea valoroasă și la intervenții personalizate. Cu toate acestea, costul și lungimea proceselor actuale lasă unii cercetători dornici de alternative viabile.

O echipă a creat un instrument de inteligență artificială 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 interpretabilitate ușoară, creând programul lor cu putere de inteligență artificială pentru a afișa informațiile legate de gene sub forma unei hărți de biopsie a tumorii. Această decizie permite utilizatorilor să identifice variații distinctive în anumite zone. Grupul a folosit, de asemenea, o metodă standard de colorare pentru a vizualiza celulele canceroase, iar instrumentul a identificat expresiile genetice ale mai mult de 15.000 de gene din imaginile colorate.

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

Experimentele echipei de cercetare au arătat, de asemenea, potențiala valabilitate a algoritmului pentru atribuirea de scoruri 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 inteligența artificială 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. Lăsarea inteligenței artificiale să înlocuiască experiența directă ar putea reduce rezultatele pozitive ale pacienților.

Găsirea celor mai potrivite tratamente

Persoanele care suferă intervenții legate de cancer relatează stresul și simptomele neplăcute asociate cu soluții potențial suboptimale. Deși mulți indivizi tolerează greața, căderea 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 cele mai bune tratamente personalizate pentru pacienți mai devreme. Abordarea tipică pentru proiectarea planurilor de îngrijire implică studiul scanărilor CT și MRI cu doar un punct de date pe pixel, reprezentat prin nuanțe de gri. Unii cercetători folosesc inteligența artificială pentru a face progrese. Un instrument poate examina până la 30.000 de detalii pe pixel și analiza mostre 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 cazurile de cancer de vezică urinară, platforma de inteligență artificială 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 celulele canceroase și țesutul mucoasei în mostrele 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. Cercetători din Londra au creat recent o abordare cu inteligență artificială 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 de microscopie 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 de microscop, 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 inteligența artificială 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 rapid pacienții care ar putea beneficia și identificând efectele secundare comune.

Optimizarea sarcinilor de evaluare a cancerului

Inteligența artificială a îmbunătățit deja sarcinile cercetătorilor în domeniul cancerului, dar majoritatea instrumentelor tratează 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 creeze 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 detectarea îmbunătățită, prognostic și răspunsuri la tratament. Dezvoltatorii cred, de asemenea, că inovația lor este prima care prezice și validează rezultatele în cadrul mai multor grupuri internaționale de pacienți.

Modelul de inteligență artificială citește diapozitive digitale care conțin mostre de tumoră, analizează profilele moleculare și găsește celule canceroase. De asemenea, a examinat 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 a fost mai precis decât produsele disponibile în prezent. În plus, a legat caracteristici specifice ale tumorilor de rate de supraviețuire mai mari ale pacienților, deschizând posibil noi direcții 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 algoritmilor peste 60.000 de exemple de diapozitive întregi reprezentând cele 19 tipuri de cancer. Acestă abordare a învățat inteligența artificială să evalueze întregi imagini pentru rezultate cuprinzătoare.

Apoi, grupul a testat instrumentul lor pe 19.400 de imagini de diapozitive întregi 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 în domeniul cancerului folosesc imagini de microscopie biomedicală pentru a-și continua 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 eficient rezultate prin examinarea mai multor zone ale unei creșteri individuale și perceperea lor ca un întreg. Alte produse care analizează imagini de microscopie biomedicală împart tumorile mari în porțiuni mai mici și le tratează ca mostre separate. Cu toate acestea, aceste imagini pot conține până la 1 miliard de pixeli, fiind astfel consumatoare de timp pentru a fi studiate.

Dezvoltatorii își imaginează că clinicienii ar putea face diagnostice aproape imediate din imagini de tumoră. Apoi, acești profesioniști ar putea 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 a fost cu aproape 4% mai bun și a atins o acuratețe de aproape 88% în unele cazuri. Cercetătorii au subliniat, de asemenea, că utilizatorii ar putea aplica acest instrument la orice tip de tumoare și metodă de microscopie, făcându-l aplicabil în mod extins.

Impulsionarea cercetării cancerului cu viziunea computerizată

Viziunea computerizată condusă de inteligență artificială poate ridica productivitatea cercetătorilor în domeniul cancerului, maximizând rezultatele științifice și cele 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.