Gesundheit

Künstliche Intelligenz findet Muster von Mutationen und überleben in Tumor-Bilder

Forscher am EMBL European Bioinformatics Institute (EMBL-EBI), der Wellcome Sanger Institute, Addenbrooke ‚ s Hospital in Cambridge, UK, und Mitarbeiter haben eine entwickelte künstliche Intelligenz (KI) – Algorithmus, verwendet der computer vision zu analysieren Gewebeproben von Krebspatienten. Sie haben gezeigt, dass der Algorithmus unterscheiden können zwischen gesundem und Krebsgewebe, und können auch Muster identifizieren, der mehr als 160-DNA und Tausende von RNA-Veränderungen in Tumoren. Die Studie, heute veröffentlicht in der Natur Krebs, unterstreicht das Potenzial von AI für die Verbesserung der Krebs-Diagnose, Prognose und Behandlung.

Krebs-Diagnose und-Prognose basiert im wesentlichen auf zwei wesentliche Ansätze. In einem, histopathologists untersuchen die Darstellung von Krebsgewebe unter dem Mikroskop. In der anderen, Krebs Genetiker analysieren die Veränderungen, die in den genetischen code von Krebszellen. Beide Ansätze sind entscheidend für das Verständnis und Behandlung von Krebs, aber Sie sind selten zusammen verwendet.

„Kliniker verwenden Mikroskopie-Objektträger für die Diagnose Krebs, die ganze Zeit. Das volle potential dieser Folien wurde noch nicht freigeschaltet. Als computer-vision-Fortschritte, die wir analysieren können digitale Bilder von diesen Folien zu verstehen, was passiert auf molekularer Ebene“, sagt Yu Fu, Postdoc in der Gerstung-Gruppe am EMBL-EBI.

Computer-vision-algorithmen sind eine form der künstlichen Intelligenz, das erkennen bestimmter Merkmale in Bildern. Fu und Kollegen aufbereiten solcher Algorithmus von Google entwickelt—ursprünglich verwendet, um zu klassifizieren, Alltagsgegenstände wie Zitronen, Sonnenbrille und Heizkörpern—zu unterscheiden, die verschiedenen Krebs-Arten, die vom gesunden Gewebe. Sie zeigten, dass dieser Algorithmus kann auch verwendet werden, um vorherzusagen, überleben und sogar Muster von DNA-und RNA-änderungen von Bilder von Tumorgewebe.

Lehr-algorithmen zur Erkennung von molekularen Veränderungen

Frühere Studien haben ähnliche Methoden, um die Bilder analysieren von einzelnen oder wenigen Krebsarten mit ausgewählten molekularen Veränderungen. Allerdings Fu und Kollegen verallgemeinert den Ansatz auf ein bisher nicht gekanntes Ausmaß: Sie trainiert den Algorithmus mit mehr als 17.000 Bilder von 28 Krebs-Arten gesammelt, die für Die Krebs-Genom-Atlas, und studierte alle bekannten genomischen Veränderungen.

„Was bemerkenswert ist, ist, dass unser Algorithmus kann automatisch ein link dem histologischen Erscheinungsbild in fast jeder tumor mit einer sehr breiten Reihe von molekularen Eigenschaften, und mit der überlebensrate der Patienten“, erklärt Moritz Gerstung, Gruppenleiter am EMBL-EBI.

Insgesamt ist Ihr Algorithmus war in der Lage, Muster von 167 verschiedenen Mutationen und Tausende von gen-Aktivität ändert. Diese Ergebnisse zeigen im detail, wie genetische Mutationen verändern das Erscheinungsbild von Tumorzellen und-Gewebe.

Eine andere Forschergruppe hat unabhängig validiert diese Ergebnisse mit einem ähnlichen AI-Algorithmus angewendet, um Bilder von acht Krebsarten. Ihre Studie wurde veröffentlicht in der gleichen Ausgabe von Nature Krebs.

Ein mögliches Werkzeug für die personalisierte Medizin

Die integration von molekularen und histopathologischen Daten liefert ein klareres Bild des Tumors, das Profil. Die Aufdeckung der molekularen Merkmale, die Zelle, die Zusammensetzung und überleben im Zusammenhang mit einzelnen Tumoren helfen würde Kliniker Schneider geeignete Behandlungen, um Ihre Patienten.

„Von einem Arzt‘ s point of view, diese Ergebnisse sind Ungeheuer spannend. Unsere Arbeit zeigt, wie die künstliche Intelligenz benutzt werden könnte in der klinischen Praxis“, erklärt Luiza Moore, Kliniker, Wissenschaftler und Pathologe an der Wellcome Sanger Institute und Addenbrooke ‚ s Hospital. „Während die Zahl der Krebserkrankungen steigt weltweit die Zahl der Pathologen ist rückläufig. Gleichzeitig Streben wir eine Abkehr von der „one size fits all“ – Ansatz und in der personalisierten Medizin. Eine Kombination der digitalen Pathologie und der künstlichen Intelligenz, potenziell Linderung dieser Druck und verbessern unsere Praxis und die Patientenversorgung.“

Sequenzierung Technologien angetrieben Genomik an der Spitze der Krebsforschung, doch diese Technologien bleiben unzugänglich für die meisten Kliniken auf der ganzen Welt. Eine mögliche alternative zur direkten Sequenzierung, würde die KI zu emulieren eine genomische Analyse mit Daten, die billiger ist, zu erfassen, wie Mikroskopie-objektträgern.