Компьютерное зрение способствует обнаружению и лечению рака

Компьютерное зрение - это область искусственного интеллекта, позволяющая алгоритмам понимать и интерпретировать визуальные данные, полученные из изображений и видео. В исследованиях рака оно все чаще используется для анализа сложной визуальной информации, полученной из слайдов патологии, микроскопических образцов и медицинских сканов. Эти инструменты позволяют оптимизировать длительные рабочие процессы, расширяя возможности групп, не обладающих достаточными ресурсами, для достижения поставленных целей и, в конечном счете, улучшения качества лечения пациентов.

Углубление понимания движущих сил опухоли

После постановки диагноза рака на основе биопсии патологоанатомы часто проводят секвенирование РНК, чтобы выявить геномные изменения, способствующие росту опухоли. Эти знания крайне важны как для научных исследований, так и для разработки персонализированных методов лечения. Однако высокая стоимость и низкая скорость нынешних методов заставляют искать более эффективные альтернативы.

Чтобы решить эту проблему, одна исследовательская группа разработала инструмент искусственного интеллекта, который предсказывает генетическую активность в опухолевых клетках непосредственно по стандартным микроскопическим изображениям биопсии. Они обучили свою модель на обширном наборе данных из более чем 7500 образцов, охватывающих 16 типов рака, дополнив их изображениями здоровых клеток для сравнения.

Команда разработала инструмент для наглядности и практического использования. Он генерирует визуальную карту биопсии, выделяя прогнозируемые паттерны активности генов. Это позволяет исследователям точно определить пространственные вариации в опухоли. Используя распространенную технику окрашивания клеток, ИИ успешно определил паттерны экспрессии более 15 000 генов на основе окрашенных изображений.

Результаты показали более чем 80-процентную корреляцию между прогнозами генетической активности ИИ и фактическими измерениями. Точность модели в целом повысилась при обучении на больших наборах данных, характерных для данного типа рака.

Дальнейшие эксперименты продемонстрировали потенциал алгоритма для оценки геномного риска у пациентов с раком молочной железы. У тех, кто был отнесен к группе повышенного риска, рецидивы возникали чаще и быстрее.

ИИ продолжает способствовать удивительным прорывам в медицине, например, системам, обнаруживающим COVID-19 с точностью до 99 %. Хотя эти инструменты очень мощные, они должны дополнять, а не заменять профессиональные знания. Если полагаться только на ИИ, это может негативно сказаться на результатах лечения пациентов.

Определение оптимальных методов лечения

Онкологические больные часто испытывают сильный стресс и побочные эффекты от лечения, которое может быть неоптимально эффективным для их конкретного заболевания. Хотя такие побочные эффекты, как тошнота, вполне терпимы, желание пациентов продолжать лечение снижается, если ранние результаты оказываются неперспективными.

Более быстрое определение оптимального индивидуального лечения выгодно всем. Стандартное планирование лечения предполагает анализ снимков КТ и МРТ, где каждый пиксель содержит одну точку данных, представленную в градациях серого. ИИ предлагает более детальный взгляд. Один из передовых инструментов может анализировать до 30 000 характеристик на пиксель и оценивать образцы тканей размером до 400 квадратных микрометров - это примерно ширина пяти человеческих волос.

Используя донорские образцы, инструмент продемонстрировал свою ценность. При раке мочевого пузыря он выявил специализированную группу клеток, ответственных за формирование третичных лимфоидных структур, которые ассоциируются с лучшей реакцией на иммунотерапию. В образцах рака желудка он точно различал раковые клетки и здоровую слизистую оболочку, помогая врачам лучше оценить распространение рака.

Исследователи считают, что эта технология может помочь онкологам выбрать наиболее эффективные методы лечения различных видов рака. Кроме того, она способна ускорить научные исследования за счет извлечения более богатых данных из стандартных диагностических изображений.

Ускорение разработки лекарств

Вывод на рынок новых лекарств от рака - это многолетний процесс, который во многом зависит от успешных клинических испытаний. Недавно команда специалистов из Лондона создала метод искусственного интеллекта для оценки того, насколько эффективно лекарства достигают своих клеточных мишеней. Сосредоточение внимания на наиболее перспективных кандидатах может улучшить результаты и ускорить получение разрешения регулирующих органов.

Команда использовала геометрическое глубокое обучение для анализа 3D-форм почти 100 000 изображений клеток меланомы. В отличие от предыдущих 2D-анализов клеток на предметных стеклах, этот метод изучает клетки в более реалистичном состоянии. Он фиксирует, как лечение изменяет форму клеток, и выявляет изменчивость клеточных популяций.

Точность обнаружения влияния конкретных лекарств составила более 99 %. Он даже смог определить изменения формы, вызванные лекарствами, направленными на разные белки.

Выявляя биохимические изменения, ИИ может выделить перспективные мишени для новых лекарств от рака. Эта инновация может сократить фазу доклинических испытаний с трех лет до трех месяцев и потенциально сократить клинические испытания до шести лет. Это поможет быстрее выявлять пациентов, которые с наибольшей вероятностью получат пользу, и понимать побочные эффекты.

Упрощение рабочих процессов анализа раковых заболеваний

Несмотря на то что искусственный интеллект улучшил многие аспекты исследований рака, большинство инструментов нацелены на выполнение отдельных задач. Это вынуждает медицинских работников осваивать несколько систем. Чтобы повысить удобство использования, некоторые команды разрабатывают комплексные, многоцелевые решения.

Одна группа создала модель, похожую на ChatGPT, достаточно универсальную, чтобы решать задачи оценки 19 типов рака. Она ускоряет процессы выявления, оценки прогноза и мониторинга реакции на лечение. Разработчики утверждают, что это первая модель, успешно предсказывающая и подтверждающая результаты в различных международных группах пациентов.

ИИ анализирует цифровые слайды образцов опухолей, изучает молекулярные профили и идентифицирует раковые клетки. Он также оценивает ткани, окружающие опухоль, что может указывать на эффективность лечения. В ходе тестирования он оказался более точным, чем существующие инструменты. Примечательно, что она впервые связала специфические особенности опухоли с улучшением показателей выживаемости пациентов, что открывает новые возможности для исследований.

Первоначально модель была обучена на 15 миллионах немаркированных изображений, сегментированных по областям интереса. Затем она была усовершенствована на 60 000 целых слайдов изображений 19 типов рака, что позволило научить ее проводить комплексный анализ изображений.

Инструмент был тщательно протестирован на 19 400 изображениях целых слайдов из 32 независимых глобальных наборов данных, представляющих 24 когорты пациентов и больницы. Это гарантирует его надежность в реальных клинических условиях.

Максимальное использование результатов биомедицинской визуализации

Биомедицинская микроскопия крайне важна для исследования рака, но анализ этих изображений может занимать несколько дней. Группа исследователей разработала новую методику компьютерного зрения, чтобы упростить этот процесс. Она использует машинное обучение для анализа образцов и выявления общих характеристик раковых опухолей.

Эффективность достигается за счет одновременного изучения нескольких областей опухоли и синтеза их в целостный анализ. Другие методы разбивают большие изображения опухолей на небольшие участки и анализируют их по отдельности. Учитывая, что такие изображения могут содержать до миллиарда пикселей, стандартный подход занимает очень много времени.

Разработчики представляют себе будущее, в котором врачи смогут практически мгновенно ставить диагноз по изображениям опухолей. Эта информация будет передаваться хирургам во время операций в режиме реального времени, что позволит принимать решения на основе самых актуальных данных.

По сравнению с ведущими базовыми методами, новый инструмент показал почти на 4 % лучшие результаты, достигнув в некоторых тестах точности почти 88 %. Исследователи подчеркнули широкую применимость этого инструмента, поскольку он может использоваться с любым типом опухоли и методом микроскопии.

Продвижение исследований рака с помощью компьютерного зрения

Компьютерное зрение на основе ИИ обладает значительным потенциалом для повышения результативности исследований рака, улучшая как научные открытия, так и результаты лечения пациентов. Приведенные выше примеры иллюстрируют разнообразие его применения. Специалисты должны использовать эти технологии, чтобы дополнить и расширить свой опыт, полученный с таким трудом, а не как безошибочную замену человеческому суждению.