Il nuovo software tool usa il AI per riconoscere le cellule tumorali dalle immagini digitali di patologia

I ricercatori sudoccidentali di UT hanno sviluppato un software tool che usa l'intelligenza artificiale riconoscere le cellule tumorali dalle immagini digitali di patologia - dando a clinici un modo potente di predizione dei risultati pazienti.

La distribuzione spaziale dei tipi differenti di celle può rivelare il modello di crescita di un cancro, la sua relazione con il microenvironment circostante e la risposta immunitaria dell'organismo. Ma il trattamento manualmente dell'identificazione di tutte le celle in una diapositiva di patologia è estremamente ad alto contenuto di manodopera e soggetto a errori.

Poichè ci sono solitamente milioni di celle in un campione di tessuto, un patologo può analizzare soltanto tante diapositive in un giorno. Per fare una diagnosi, i patologi esaminano solitamente soltanto dettagliatamente parecchie regioni “rappresentative„, piuttosto che la diapositiva di tutto. Tuttavia, alcuni dettagli importanti potrebbero essere mancati tramite questo approccio.„

Dott. Guanghua “Andy„ Xiao, autore corrispondente di uno studio pubblicato in EBioMedicine ed in professore di popolazione e delle scienze di dati a UT sudoccidentale

Il cervello umano, il Dott. Xiao aggiunto, non è buono a prendere i reticoli morfologici sottili. Di conseguenza, una sfida tecnica importante sistematicamente nello studio del microenvironment del tumore è come classificare automaticamente i tipi differenti di celle e quantificare le loro distribuzioni spaziali, ha detto.

L'algoritmo di AI che il Dott. Xiao ed il suo gruppo sviluppati, chiamato ConvPath, supera questi ostacoli usando il AI per classificare i tipi delle cellule dalle immagini di patologia del cancro polmonare.

Qui è come funziona: L'algoritmo di ConvPath può “osservare„ le celle ed identificare i loro tipi basati sul loro aspetto nelle immagini di patologia facendo uso di un algoritmo di AI che impara dai patologi umani. Questo algoritmo efficacemente converte un'immagine di patologia “in mappa„ quella visualizzazioni le distribuzioni e le interazioni spaziali delle celle del tumore, delle celle stromal (cioè, le celle del tessuto connettivo) e dei linfociti (cioè, i globuli bianchi) nel tessuto del tumore.

Se il pozzo del cluster delle cellule del tumore insieme o la diffusione nei linfonodi stromal è un fattore che rivela la risposta immunitaria dell'organismo. Così sapendo che le informazioni possono aiutare medici a personalizzare le pianificazioni del trattamento ed a segnare la giusta immunoterapia con esattezza.

Infine, i patologi di guide di algoritmo ottengono l'analisi più precisa della cellula tumorale - in un modo molto più veloce.

“È che richiede tempo e difficile affinchè i patologi individui le regioni molto piccole del tumore nelle immagini del tessuto, in modo da questo potrebbe notevolmente diminuire il tempo che i patologi devono passare su ogni immagine,„ ha detto il Dott. Xiao, che egualmente ha una nomina nel dipartimento della collina di Lyda di bioinformatica ed è un membro sia del centro di ricerca biomedico quantitativo (QBRC) che del centro del Cancro di Harold C. Simmons Comprehensive a UTSW.

Il software di ConvPath - che comprende la segmentazione di immagine, in profondità imparare ed algoritmi dell'estrazione di funzionalità - è accessibile al pubblico a https://qbrc.swmed.edu/projects/cnn/.

Source:
Journal reference:

Wang, S., et al. (2019) ConvPath: A software tool for lung adenocarcinoma digital pathological image analysis aided by a convolutional neural network. EBioMedicine. doi.org/10.1016/j.ebiom.2019.10.033.