Искусственный интеллект находит закономерности мутаций и выживания на изображениях опухолей

Исследователи из Европейского института биоинформатики EMBL (EMBL-EBI), Института Велкома Сэнгера, больницы Адденбрука в Кембридже, Великобритания, и их сотрудники разработали алгоритм искусственного интеллекта (ИИ), который использует компьютерное зрение для анализа образцов тканей больных раком. Они показали, что алгоритм может различать здоровые и раковые ткани, а также может определять образцы более 160 изменений ДНК и тысяч изменений РНК в опухолях. В исследовании, опубликованном сегодня в журнале Nature Cancer , подчеркивается потенциал ИИ для улучшения диагностики, прогноза и лечения рака.

Диагностика и прогноз рака в значительной степени основаны на двух основных подходах. В одном из них гистопатологи исследуют внешний вид раковой ткани под микроскопом. С другой стороны, генетики рака анализируют изменения, происходящие в генетическом коде раковых клеток. Оба подхода необходимы для понимания и лечения рака, но они редко используются вместе.

«Клиницисты постоянно используют микроскопические слайды для диагностики рака . Однако весь потенциал этих слайдов еще не раскрыт. По мере развития компьютерного зрения мы можем анализировать цифровые изображения этих слайдов, чтобы понять, что происходит на молекулярном уровне» , – сказал он. говорит Ю Фу, научный сотрудник группы Gerstung в EMBL-EBI.

Алгоритмы компьютерного зрения – это форма искусственного интеллекта, который может распознавать определенные особенности изображений. Фу и его коллеги перепрофилировали такой алгоритм, разработанный Google, который первоначально использовался для классификации предметов повседневного обихода, таких как лимоны, солнечные очки и радиаторы, чтобы отличить различные типы рака от здоровых тканей. Они показали, что этот алгоритм также можно использовать для прогнозирования выживаемости и даже закономерностей изменений ДНК и РНК по изображениям опухолевой ткани.

Обучающие алгоритмы для обнаружения молекулярных изменений

В предыдущих исследованиях использовались аналогичные методы для анализа изображений одного или нескольких типов рака с выбранными молекулярными изменениями. Однако Фу и его коллеги обобщили этот подход в беспрецедентном масштабе: они обучили алгоритм с более чем 17000 изображений 28 типов рака, собранных для Атласа генома рака, и изучили все известные геномные изменения.

«Что примечательно, так это то, что наш алгоритм может автоматически связывать гистологический вид практически любой опухоли с очень широким набором молекулярных характеристик и с выживаемостью пациентов», – объясняет Мориц Герстунг, руководитель группы в EMBL-EBI.

В целом их алгоритм был способен обнаруживать паттерны 167 различных мутаций и тысячи изменений активности генов. Эти данные подробно показывают, как генетические мутации изменяют внешний вид опухолевых клеток и тканей.

Другая исследовательская группа независимо проверила эти результаты с помощью аналогичного алгоритма искусственного интеллекта, примененного к изображениям восьми типов рака. Их исследование было опубликовано в том же номере журнала Nature Cancer .

Потенциальный инструмент персонализированной медицины

Объединение молекулярных и гистопатологических данных дает более четкую картину профиля опухоли. Выявление молекулярных особенностей, клеточного состава и выживаемости, связанных с отдельными опухолями, поможет клиницистам адаптировать подходящее лечение к потребностям своих пациентов.

«С точки зрения клинициста, эти открытия невероятно интересны. Наша работа показывает, как искусственный интеллект может быть использован в клинической практике» , – объясняет Луиза Мур, клинический ученый и патолог из Института Велком Сэнгер и больницы Адденбрука. «В то время как число случаев рака во всем мире растет, количество патологов сокращается. В то же время мы стремимся отойти от подхода« один размер для всех »и перейти к персонализированной медицине. Сочетание цифровой патологии и искусственного интеллекта потенциально может облегчить это давление и улучшить нашу практику и уход за пациентами “.

Технологии секвенирования выдвинули геномику на передний план исследований рака, но эти технологии остаются недоступными для большинства клиник по всему миру. Возможной альтернативой прямому секвенированию может быть использование ИИ для имитации геномного анализа с использованием данных, которые дешевле собирать, например, слайдов микроскопии.

«Получение всей этой информации из стандартных изображений опухоли в полностью автоматическом режиме является революционным», – говорит Александр Юнг, доктор философии. студент EMBL-EBI. «Это исследование показывает, что может быть возможно в ближайшие годы, но эти алгоритмы необходимо будет усовершенствовать перед клиническим внедрением».

услуги нутрициологаАвтор сайта и статей: Наталья Степанова, нутрициолог-психолог, консультант по питанию и коррекции веса. Подробнее обо мне

Я в соц. сетях: Vk, Instagram.

Рейтинг
Еще статьи нутрициолога:
Adblock
detector