วิธีการที่การมองเห็นของคอมพิวเตอร์ช่วยให้การวิจัยโรคมะเร็งดีขึ้น

การมองเห็นของคอมพิวเตอร์เป็นปัญญาประดิษฐ์ที่ช่วยให้อัลกอริทึมสามารถดึงข้อมูลที่มีความหมายออกจากวิดีโอและรูปภาพได้ นักวิจัยโรคมะเร็งได้ค้นหาวิธีการใช้งานมันเพื่อตรวจสอบรูปภาพ ตัวอย่างทางจุลทรรศน์ การสแกนทางการแพทย์ และอื่นๆ บางวิธีการสามารถทำให้กระบวนการทำงานที่ยุ่งยากในอดีตง่ายขึ้น ทำให้ทีมงานที่มีทรัพยากรจำกัดสามารถบรรลุเป้าหมายและเพิ่มผลกระทบต่อผู้ป่วยได้

การปรับปรุงความรู้เกี่ยวกับตัวขับเคลื่อนการเติบโตของมะเร็ง

หลังจากยืนยันการมีอยู่และประเภทของมะเร็งในตัวอย่างชีวภาพ นักพยาธิวิทยาอาจทำการเรียงลำดับจีโนมของโมเลกุล RNA ภายในตัวอย่าง จากนั้น พวกเขาสามารถค้นหาการเปลี่ยนแปลงจีโนมที่มีอิทธิพลต่อการเติบโตของมะเร็ง ข้อมูลนั้นช่วยให้การวิจัยและการรักษาแบบบุคคลมีค่ามากขึ้น อย่างไรก็ตาม วิธีการปัจจุบันมีค่าใช้จ่ายสูงและใช้เวลานาน ทำให้นักวิจัยบางคนต้องการวิธีการที่เป็นไปได้

ทีมหนึ่งสร้างเครื่องมือ AI ที่วิเคราะห์รูปภาพจุลทรรศนีมาตรฐาน ของตัวอย่างชีวภาพเพื่อคาดการณ์การทำงานของยีนภายในเซลล์มะเร็ง พวกเขาอบรมนวัตกรรมของตนบนมากกว่า 7,500 ตัวอย่างที่แสดง 16 ประเภทมะเร็งและชุดข้อมูลที่เกี่ยวข้อง รวมถึงรูปภาพของเซลล์ที่มีสุขภาพดี

นักวิจัยเหล่านี้ให้ความสำคัญกับการใช้งานที่ง่ายดายโดยการสร้างความเข้าใจที่ดี พวกเขาทำให้โปรแกรม AI ที่มีพลังของตนแสดงข้อมูลที่เกี่ยวข้องกับยีนเป็นรูปภาพชีวภาพของมะเร็ง ซึ่งช่วยให้ผู้ใช้สามารถระบุการเปลี่ยนแปลงที่แตกต่างในพื้นที่เฉพาะได้ กลุ่มนี้ยังใช้วิธีการย้อมสีที่เป็นมาตรฐานเพื่อแสดงเซลล์มะเร็ง และเครื่องมือระบุการแสดงออกของยีนมากกว่า 15,000 ยีนภายในรูปภาพที่ย้อมสี

ผลการวิจัยของพวกเขาแสดงให้เห็นว่ามีความสัมพันธ์มากกว่า 80% ระหว่างการทำงานของยีน AI ที่คาดการณ์ไว้และพฤติกรรมที่แท้จริง โมเดลโดยทั่วไปมีประสิทธิภาพดีกว่าเมื่อชุดข้อมูลรวมถึงตัวอย่างมากกว่าของประเภทมะเร็งเฉพาะ

การทดลองของทีมวิจัยนี้ยังแสดงให้เห็นถึงศักยภาพของอัลกอริทึมในการกำหนดคะแนนความเสี่ยงจีโนมให้กับผู้ป่วยมะเร็งเต้านม ผู้ป่วยที่มีความเสี่ยงสูงมีการกลับมาของมะเร็งบ่อยขึ้นและช่วงเวลาที่สั้นลงระหว่างการกลับมา

ผู้คนได้ใช้ AI สำหรับการพัฒนาทางการแพทย์ที่น่าสนใจอื่นๆ หนึ่งในนั้นสามารถตรวจจับ COVID-19 ด้วยความแม่นยำสูงถึง 99% ซึ่งแสดงให้เห็นถึงการปรับปรุงสุขภาพของประชาชนอย่างสำคัญ อย่างไรก็ตาม ผู้เชี่ยวชาญต้องใช้ AI เพื่อเสริมสร้างการทำงานของตนเท่านั้น การปล่อยให้ AI แทนที่ประสบการณ์โดยตรงอาจลดผลลัพธ์ที่ดีของผู้ป่วย

การค้นหาวิธีการรักษาที่เหมาะสมที่สุด

ผู้ป่วยที่ได้รับการรักษาที่เกี่ยวข้องกับมะเร็งมักจะอธิบายถึงความเครียดและอาการที่ไม่พึงประสงค์ที่เกี่ยวข้องกับการรักษาที่อาจไม่เหมาะสม แม้ว่าบุคคลหลายคนจะทนต่ออาการท้องร่วง การสูญเสียผม และอื่นๆ แต่พวกเขาจะไม่เห็นด้วยที่จะดำเนินการต่อหากการทดสอบในตอนแรกไม่แสดงผลลัพธ์ที่น่าหวัง

ทุกคนได้รับประโยชน์หากผู้เชี่ยวชาญด้านมะเร็งสามารถระบุการรักษาที่เหมาะสมที่สุดสำหรับผู้ป่วยแต่ละคนได้เร็วขึ้น วิธีการทั่วไปในการออกแบบแผนการรักษาเกี่ยวข้องกับการศึกษาสแกน CT และ MRI โดยใช้ข้อมูลเพียงจุดเดียวต่อพิกเซล ซึ่งแสดงเป็นเฉดสีเทา บางนักวิจัยใช้ AI เพื่อสร้างความก้าวหน้า เครื่องมือหนึ่ง สามารถตรวจสอบข้อมูลได้ถึง 30,000 รายการ ต่อพิกเซลและวิเคราะห์ตัวอย่างเนื้อเยื่อที่เล็กเท่ากับ 400 ตารางไมโครเมตร ซึ่งเท่ากับความกว้างของเส้นผมมนุษย์ห้าเส้น

ทีมงานใช้ตัวอย่างที่บริจาคเพื่อประเมินผลลัพธ์ เมื่อนำไปใช้กับมะเร็งกระเพาะปัสสาวะ AI พบกลุ่มเซลล์เฉพาะที่สร้างโครงสร้างลิมโฟด์ระดับสาม ซึ่งปัจจุบันเชื่อว่าช่วยให้ผู้ป่วยมีการตอบสนองต่อการรักษาด้วยภูมิคุ้มกันบำบัดที่ดีขึ้น นอกจากนี้ เครื่องมือยังแยกแยะระหว่างเซลล์มะเร็งและเนื้อเยื่อมยูคอสาในตัวอย่างมะเร็งกระเพาะอาหาร ซึ่งช่วยให้ผู้ใช้ระบุการแพร่กระจายของมะเร็งได้อย่างแม่นยำมากขึ้น

นักวิจัยเหล่านี้เชื่อว่าความพยายามของพวกเขาอาจช่วยให้แพทย์ระบุการรักษาที่ดีที่สุดสำหรับมะเร็งแต่ละประเภทได้ หากเป็นเช่นนั้น อาจช่วยให้การวิจัยที่เกี่ยวข้องเร็วขึ้นโดยช่วยให้พวกเขาดึงข้อมูลที่มีค่ามากกว่าจากภาพวินิจฉัยทั่วไป

การลดระยะเวลาการพัฒนายา

การทำให้ยารักษามะเร็งใหม่เข้าสู่การค้าใช้เวลาหลายปี และโอกาสขึ้นอยู่กับการทดลองทางคลินิกที่ประสบความสำเร็จ นักวิจัยในลอนดอน ได้สร้างวิธีการที่ใช้ AI เพื่อศึกษาว่ายาเข้าถึงเป้าหมายได้ดีเพียงใด การมุ่งเน้นไปที่ตัวเลือกที่มีประสิทธิภาพสูงสุดอาจช่วยให้ผลลัพธ์ดีขึ้น และช่วยให้ผู้ควบคุมเชื่อมั่นในการขยายการเข้าถึงผลิตภัณฑ์

กลุ่มนี้ใช้รูปภาพจุลทรรศน์ 3 มิติเกือบ 100,000 ภาพของเซลล์มะเร็งเมลาโนมา และอัลกอริทึมการเรียนรู้เชิงเรขาคณิตวิเคราะห์รูปร่างของเซลล์ ความพยายามก่อนหน้านี้ได้รับข้อมูลสองมิติจากตัวอย่างบนแผ่นจุลทรรศน์เท่านั้น แต่วิธีการนี้ตรวจสอบเซลล์อย่างที่ปรากฏในร่างกาย นอกจากนี้ยังแสดงให้เห็นว่าเซลล์เปลี่ยนรูปร่างเนื่องจากการรักษาเฉพาะและแสดงให้เห็นถึงความแปรผันของประชากรเซลล์

เครื่องมือนี้มีความแม่นยำมากกว่า 99% ในการตรวจจับว่ายาเฉพาะส่งผลต่อเซลล์อย่างไร และแม้แต่การเปลี่ยนแปลงรูปร่างที่กระตุ้นโดยยาที่มุ่งเป้าไปที่โปรตีนต่างๆ

เนื่องจาก AI เผยให้เห็นการเปลี่ยนแปลงทางเคมีภูมิ นักวิจัยคิดว่านวัตกรรมของพวกเขาอาจเน้นเป้าหมายเฉพาะที่จะเน้นในยารักษามะเร็งใหม่ๆ จากนั้นซอฟต์แวร์จะลดระยะเวลาก่อนการclinial จากสามปีเป็นสามเดือน นอกจากนี้ยังสามารถลดการทดลองได้ถึงหกปี ทำให้สามารถค้นหาผู้ป่วยที่มีแนวโน้มที่จะได้รับประโยชน์มากที่สุดและระบุผลข้างเคียงที่พบบ่อยได้เร็วขึ้น

การทำให้กระบวนการประเมินมะเร็งเร็วขึ้น

AI ได้ปรับปรุงการทำงานของนักวิจัยมะเร็งแล้ว แต่เครื่องมือส่วนใหญ่จัดการเฉพาะส่วนของกระบวนการทำงานเท่านั้น ซึ่งหมายความว่าผู้เชี่ยวชาญด้านการแพทย์ที่สนใจในการรวมเทคโนโลยีนี้เข้ากับการทำงานประจำวันต้องเรียนรู้ที่จะใช้ผลิตภัณฑ์หลายรายการ อย่างไรก็ตาม บางกลุ่มพยายามสร้างโซลูชันที่มีหลายวัตถุประสงค์เพื่อเพิ่มความสะดวกในการใช้งาน

ทีมหนึ่งสร้างแบบจำลองที่คล้ายกับ ChatGPT พวกเขาใช้มันสำหรับ กระบวนการประเมินหลายอย่างที่เกี่ยวข้องกับ 19 ประเภทมะเร็ง โดยแสดงให้เห็นถึงความสามารถที่หลากหลาย มากกว่านั้น ยังเร่งกระบวนการประเมินสำหรับการตรวจจับ การพยากรณ์ และการตอบสนองต่อการรักษา ผู้พัฒนายังเชื่อว่านวัตกรรมของพวกเขาคือครั้งแรกที่คาดการณ์และยืนยันผลลัพธ์ข้ามกลุ่มผู้ป่วยระหว่างประเทศหลายกลุ่ม

แบบจำลอง AI อ่านสไลด์ดิจิทัลที่มีตัวอย่างมะเร็ง วิเคราะห์โปรไฟล์โมเลกุล และค้นหาเซลล์มะเร็ง นอกจากนี้ยังตรวจสอบเนื้อเยื่อที่อยู่รอบๆ การเติบโต ซึ่งบ่งชี้ว่าผู้ป่วยตอบสนองต่อการรักษาแบบมาตรฐานอย่างไร หรือแสดงให้เห็นว่าการรักษาใดไม่มีประสิทธิภาพ ผู้ทดลองชี้ให้เห็นว่ามันแม่นยำกว่าผลิตภัณฑ์ที่มีอยู่ในปัจจุบัน นอกจากนี้ยังเชื่อมโยงลักษณะเฉพาะของมะเร็งกับอัตราการรอดชีวิตของผู้ป่วยที่เพิ่มขึ้นเป็นครั้งแรก ซึ่งอาจเปิดเผยพื้นที่การวิจัยใหม่

นักวิจัยอบรมแบบจำลองบนภาพที่ไม่มีเครื่องหมายมากกว่า 15 ล้านภาพ ซึ่งแบ่งออกเป็นชิ้นขึ้นอยู่กับพื้นที่ที่สนใจ ขั้นตอนต่อมาเปิดเผยอัลกอริทึมให้กับภาพทั้งหมด 60,000 ภาพที่แสดง 19 ประเภทมะเร็ง วิธีการนี้สอน AI ให้ประเมินภาพทั้งหมดเพื่อให้ได้ผลลัพธ์ที่ครอบคลุม

จากนั้นกลุ่มนี้ทดสอบเครื่องมือของตนบนภาพทั้งหมด 19,400 ภาพที่พบใน 32 ชุดข้อมูลอิสระ เนื่องจากข้อมูลนั้นมาจากกลุ่มผู้ป่วยและโรงพยาบาล 24 แห่งทั่วโลก จึงให้ตัวอย่างที่แม่นยำของสภาพในโลกแห่งความเป็นจริง

การเพิ่มคุณค่าของภาพจุลทรรศน์ทางชีวการแพทย์

นักวิจัยมะเร็งใช้ภาพจุลทรรศน์ทางชีวการแพทย์เพื่อปรับปรุงการทำงานของตน แต่กระบวนการทำงานที่มีอยู่ใช้เวลาสองสามวันในการตรวจสอบข้อมูลนี้ ทีมหนึ่งพัฒนาเทคนิคการมองเห็นของคอมพิวเตอร์ใหม่เพื่อทำให้การทำงานที่จำเป็นเหล่านี้มีประสิทธิภาพมากขึ้น โดยใช้การเรียนรู้ของเครื่องจักรเพื่อวิเคราะห์ตัวอย่างและค้นหาลักษณะที่เหมือนกันในมะเร็ง

เครื่องมือนี้ได้ผลลัพธ์อย่างมีประสิทธิภาพโดยการตรวจสอบหลายพื้นที่ของการเติบโตแต่ละครั้งและรับรู้มันเป็นภาพรวม ผลิตภัณฑ์อื่นๆ ที่วิเคราะห์ภาพจุลทรรศน์ทางชีวการแพทย์แบ่งมะเร็งขนาดใหญ่ออกเป็นชิ้นเล็กๆ และรักษาแต่ละส่วนเป็นตัวอย่างแยกกัน อย่างไรก็ตาม รูปภาพเหล่านี้ สามารถมีพิกเซลได้ถึง 1 พันล้านพิกเซล จึงใช้เวลานานในการศึกษา

ผู้พัฒนาคิดว่าแพทย์สามารถวินิจฉัยได้ทันทีจากภาพมะเร็ง จากนั้นผู้เชี่ยวชาญเหล่านั้นจะส่งต่อข้อมูลไปยังศัลยแพทย์ที่ทำการผ่าตัดเพื่อกำจัดเนื้อเยื่อมะเร็ง ทำให้พวกเขาสามารถใช้ข้อมูลล่าสุดได้

การทดสอบที่เปรียบเทียบเครื่องมือนี้กับเทคนิคการวิเคราะห์ภาพที่ดีที่สุดแสดงให้เห็นว่ามันเกือบ 4% ดีกว่า และบรรลุความแม่นยำเกือบ 88% ในบางกรณี นักวิจัยยังเน้นย้ำว่าผู้ใช้สามารถนำไปใช้กับมะเร็งหรือวิธีการจุลทรรศน์ใดๆ ก็ได้ ทำให้มีความสามารถในการใช้งานที่กว้างขวาง

การผลักดันการวิจัยมะเร็งด้วยการมองเห็นของคอมพิวเตอร์

การมองเห็นของคอมพิวเตอร์ที่ขับเคลื่อนด้วย AI สามารถเพิ่มผลผลิตของนักวิจัยมะเร็งให้สูงสุด โดยเพิ่มผลลัพธ์ทั้งทางวิทยาศาสตร์และผู้ป่วย ตัวอย่างเหล่านี้แสดงให้เห็นถึงศักยภาพที่อุดมสมบูรณ์ แต่ผู้เชี่ยวชาญที่สนใจในการใช้เทคโนโลยีนี้ควรทำเพื่อเสริมทักษะที่ได้รับมา และไม่ควรปฏิบัติต่อนวัตกรรมเหล่านี้ว่าเป็นเรื่องที่ไม่ต้องสงสัย