Cách Máy Tính Nhìn Tăng Cường Nghiên Cứu Ung Thư

Máy tính nhìn là trí tuệ nhân tạo cho phép các thuật toán trích xuất thông tin có ý nghĩa từ video và hình ảnh. Các nhà nghiên cứu ung thư đã khám phá các cách hiệu quả để sử dụng nó để kiểm tra hình ảnh, mẫu vi sinh, quét y tế và hơn thế nữa. Một số cách tiếp cận có thể rút ngắn các quy trình trước đây cồng kềnh, cho phép các nhóm tài nguyên hạn chế đạt được mục tiêu và tăng cường tác động đối với bệnh nhân.

Cải Thiện Kiến Thức Về Các Yếu Tố Tăng Trưởng Ung Thư

Sau khi xác nhận sự hiện diện và loại ung thư trong sinh thiết, các nhà bệnh lý học có thể thực hiện trình tự gen trên các phân tử RNA trong mẫu. Sau đó, họ có thể tìm thấy những thay đổi gen nào ảnh hưởng đến sự tăng trưởng của khối u. Thông tin đó giúp nghiên cứu có giá trị và can thiệp cá nhân hóa. Tuy nhiên, các phương pháp hiện tại tốn kém và mất thời gian khiến một số nhà nghiên cứu tìm kiếm các giải pháp thay thế khả thi.

Một nhóm đã xây dựng một công cụ AI phân tích hình ảnh kính hiển vi tiêu chuẩn của sinh thiết để dự đoán hoạt động gen trong tế bào ung thư. Họ đã đào tạo sáng kiến của mình trên hơn 7.500 mẫu đại diện cho 16 loại ung thư và các tập dữ liệu liên quan khác, bao gồm cả hình ảnh của các tế bào khỏe mạnh.

Những nhà nghiên cứu này đã ưu tiên tính dễ sử dụng thông qua khả năng giải thích dễ dàng, tạo ra chương trình AI của họ để hiển thị thông tin liên quan đến gen dưới dạng bản đồ sinh thiết khối u. Quyết định đó cho phép người dùng xác định các biến thể đặc trưng trong các khu vực cụ thể. Nhóm cũng dựa vào một phương pháp nhuộm tiêu chuẩn để hình ảnh hóa tế bào ung thư, và công cụ đã xác định biểu hiện gen của hơn 15.000 gen trong các hình ảnh nhuộm.

Kết quả của họ cho thấy sự tương quan hơn 80% giữa hoạt động gen dự đoán bởi AI và hành vi thực tế. Mô hình thường hoạt động tốt hơn khi tập dữ liệu mẫu bao gồm nhiều ví dụ về một loại ung thư cụ thể.

Thử nghiệm của nhóm nghiên cứu này cũng cho thấy tiềm năng hợp lệ của thuật toán trong việc gán điểm rủi ro gen cho bệnh nhân ung thư vú. Các bên được phân loại là nguy cơ cao hơn có nhiều tái phát và thời gian giữa chúng ngắn hơn.

Người ta đã sử dụng AI cho các tiến bộ y học thú vị khác. Một phát triển có thể phát hiện COVID-19 với độ chính xác lên đến 99%, thể hiện một cải tiến quan trọng về sức khỏe cộng đồng. Mặc dù những khả năng này rất ấn tượng, các chuyên gia chỉ nên bổ sung công việc của họ với chúng. Để AI thay thế kinh nghiệm thực tế có thể làm giảm kết quả tích cực cho bệnh nhân.

Tìm Kiếm Điều Trị Phù Hợp Nhất

Những người trải qua các can thiệp liên quan đến ung thư mô tả căng thẳng và các triệu chứng khó chịu liên quan đến các giải pháp có thể không tối ưu. Mặc dù nhiều cá nhân chịu đựng được buồn nôn, rụng tóc và hơn thế nữa, họ trở nên ít đồng ý hơn để tiếp tục nếu các thử nghiệm ban đầu không cho thấy kết quả đầy hứa hẹn.

Mọi người đều được lợi nếu các chuyên gia ung thư xác định các phương pháp điều trị phù hợp nhất cho từng bệnh nhân sớm hơn. Cách tiếp cận điển hình để thiết kế kế hoạch chăm sóc liên quan đến việc nghiên cứu các quét CT và MRI với chỉ một điểm dữ liệu trên mỗi pixel, được biểu diễn dưới dạng sắc thái xám. Một số nhà nghiên cứu sử dụng AI để đạt được tiến bộ. Một công cụ có thể kiểm tra lên đến 30.000 chi tiết trên mỗi pixel và phân tích mẫu mô nhỏ tới 400 micromet vuông – khoảng chiều rộng của năm sợi tóc người.

Nhóm đã sử dụng mẫu được quyên góp để đánh giá kết quả. Khi áp dụng cho các trường hợp ung thư bàng quang, nền tảng AI đã tìm thấy một nhóm tế bào chuyên biệt tạo ra cấu trúc bạch huyết thứ cấp. Kiến thức hiện tại cho thấy những cấu trúc này cải thiện phản ứng miễn dịch của bệnh nhân. Ngoài ra, công cụ phân biệt giữa tế bào ung thư và mô niêm mạc trong mẫu ung thư dạ dày, giúp người dùng xác định chính xác hơn mức độ lan rộng của chúng.

Những nhà nghiên cứu này tin rằng nỗ lực của họ có thể cho thấy các bác sĩ biết được phương pháp điều trị nào hoạt động tốt nhất cho các loại ung thư khác nhau. Nếu vậy, nó cũng có thể giúp đơn giản hóa nghiên cứu liên quan bằng cách giúp họ trích xuất nhiều dữ liệu có giá trị hơn từ hình ảnh chẩn đoán thông thường.

Rút Ngắn Thời Gian Phát Triển Thuốc

Việc đưa ra thị trường các phương pháp điều trị ung thư mới mất nhiều năm, và triển vọng phụ thuộc vào các thử nghiệm lâm sàng thành công. Các nhà nghiên cứu tại London gần đây đã tạo ra một cách tiếp cận được kích hoạt bởi AI để nghiên cứu cách thuốc đến đích. Tập trung vào các lựa chọn hiệu quả nhất có thể cải thiện kết quả, thuyết phục các cơ quan quản lý mở rộng khả năng tiếp cận sản phẩm.

Nhóm đã sử dụng gần 100.000 hình ảnh kính hiển vi 3D của tế bào melanoma, và các thuật toán học sâu hình học phân tích hình dạng của chúng. Các nỗ lực trước đây chỉ thu được dữ liệu hai chiều từ mẫu trên kính hiển vi, nhưng cách tiếp cận này kiểm tra tế bào như chúng xuất hiện trong cơ thể. Hơn nữa, nó tiết lộ cách chúng thay đổi hình dạng do các phương pháp điều trị cụ thể và cho thấy sự biến đổi trên các quần thể tế bào.

Công cụ này có độ chính xác hơn 99% trong việc phát hiện cách các thuốc cụ thể ảnh hưởng đến tế bào. Nó thậm chí xác định được sự thay đổi hình dạng do các thuốc nhắm vào các protein khác nhau gây ra.

Vì AI đã tiết lộ các thay đổi sinh hóa, các nhà nghiên cứu nghĩ rằng sáng kiến của họ có thể nhấn mạnh các mục tiêu cụ thể để tập trung vào các loại thuốc ung thư mới. Sau đó, phần mềm sẽ rút ngắn khung thời gian tiền lâm sàng từ ba năm xuống còn ba tháng. Liên quan đến điều này, nó có thể giảm các thử nghiệm xuống tới sáu năm, tìm kiếm nhanh hơn những bệnh nhân có khả năng được hưởng lợi nhiều nhất và xác định các tác dụng phụ phổ biến.

Đơn Giản Hóa Các Nhiệm Vụ Đánh Giá Ung Thư

AI đã tăng cường các nhiệm vụ của các nhà nghiên cứu ung thư, nhưng hầu hết các công cụ chỉ xử lý các phần riêng lẻ của quy trình làm việc. Điều đó có nghĩa là các chuyên gia y tế quan tâm đến việc tích hợp công nghệ vào công việc hàng ngày của họ cần phải học cách sử dụng nhiều sản phẩm. Tuy nhiên, một số nhóm muốn xây dựng các giải pháp đa năng để tăng cường sự thân thiện với người dùng.

Một nhóm đã xây dựng một mô hình tương tự như ChatGPT. Họ đã sử dụng nó cho nhiều quá trình đánh giá liên quan đến 19 loại ung thư, thể hiện sự đa năng của nó. Cụ thể hơn, nó đã tăng tốc các nhiệm vụ đánh giá để phát hiện, tiên lượng và phản ứng điều trị được cải thiện. Các nhà phát triển cũng tin rằng sáng kiến của họ là đầu tiên dự đoán và xác thực kết quả trên nhiều nhóm bệnh nhân quốc tế.

Mô hình AI đọc các slide kỹ thuật số chứa mẫu khối u, phân tích các hồ sơ phân tử và tìm kiếm tế bào ung thư. Nó cũng đã kiểm tra các mô xung quanh sự phát triển, chỉ ra cách bệnh nhân đã phản ứng với các phương pháp điều trị tiêu chuẩn hoặc cho thấy các nhà nghiên cứu những phương pháp nào kém hiệu quả hơn. Các thí nghiệm cho thấy nó chính xác hơn so với các sản phẩm hiện có. Ngoài ra, nó đã liên kết các đặc điểm khối u cụ thể với tăng tỷ lệ sống sót của bệnh nhân lần đầu tiên, có thể mở ra các lĩnh vực nghiên cứu mới.

Các nhà nghiên cứu đã đào tạo mô hình trên 15 triệu hình ảnh không có nhãn được chia thành các phần tùy thuộc vào các khu vực quan tâm. Một bước sau đó đã tiếp xúc các thuật toán với 60.000 ví dụ về toàn bộ slide đại diện cho 19 loại ung thư. Cách tiếp cận này đã dạy AI đánh giá toàn bộ hình ảnh để có kết quả toàn diện.

Sau đó, nhóm đã thử nghiệm công cụ của mình trên 19.400 hình ảnh toàn bộ slide được tìm thấy trong 32 tập dữ liệu độc lập. Vì thông tin này đến từ 24 nhóm bệnh nhân và bệnh viện trên toàn cầu, nó cung cấp một mẫu chính xác về điều kiện thực tế.

Tăng Cường Giá Trị Của Hình Ảnh Vi Hiển Vi Y Sinh

Các nhà nghiên cứu ung thư sử dụng hình ảnh vi hiển vi y sinh để thúc đẩy công việc của họ, nhưng các quy trình hiện có mất nhiều ngày để kiểm tra dữ liệu này. Một nhóm đã phát triển một kỹ thuật nhìn máy tính mới để làm cho những nhiệm vụ thiết yếu này hiệu quả hơn. Nó sử dụng học máy để phân tích mẫu và tìm các đặc điểm chung giữa các khối u ung thư.

Công cụ này thu được kết quả một cách hiệu quả bằng cách kiểm tra nhiều khu vực của từng khối u và nhận thức chúng như một整 thể. Các sản phẩm khác phân tích hình ảnh vi hiển vi y sinh chia các khối u lớn thành các miếng nhỏ và xử lý các phần như các mẫu riêng biệt. Tuy nhiên, những hình ảnh này có thể chứa tới 1 tỷ pixel, vì vậy chúng tốn thời gian để nghiên cứu.

Các nhà phát triển hình dung các bác sĩ lâm sàng có thể đưa ra chẩn đoán ngay lập tức từ hình ảnh khối u. Sau đó, những chuyên gia này sẽ truyền đạt thông tin đến các bác sĩ phẫu thuật thực hiện các hoạt động để loại bỏ mô ung thư, cho phép họ sử dụng những thông tin mới nhất.

Các thử nghiệm so sánh công cụ này với các kỹ thuật phân tích hình ảnh baseline hoạt động tốt nhất cho thấy nó tốt hơn gần 4% và đạt độ chính xác gần 88% trong một số trường hợp. Các nhà nghiên cứu cũng nhấn mạnh rằng người dùng có thể áp dụng nó cho bất kỳ loại khối u nào và phương pháp vi hiển vi, làm cho nó có ứng dụng rộng rãi.

Đẩy Mạnh Nghiên Cứu Ung Thư Tiến Bộ Với Nhìn Máy Tính

Máy tính nhìn được kích hoạt bởi AI có thể nâng cao sản lượng của các nhà nghiên cứu ung thư, tối đa hóa kết quả khoa học và liên quan đến bệnh nhân của họ. Những ví dụ này minh họa tiềm năng dồi dào, nhưng các chuyên gia quan tâm đến việc áp dụng công nghệ nên làm như vậy để bổ sung chuyên môn đã có và không coi các đổi mới là không thể sai lầm.