A ferramenta de software nova usa o AI para reconhecer células cancerosas das imagens digitais da patologia

Os pesquisadores do sudoeste de UT desenvolveram uma ferramenta de software que usasse a inteligência artificial reconhecer células cancerosas das imagens digitais da patologia - dando a clínicos uma maneira poderosa de prever resultados pacientes.

A distribuição espacial de tipos diferentes de pilhas pode revelar o teste padrão de crescimento de um cancro, o seu relacionamento com o microambiente circunvizinho, e a resposta imune do corpo. Mas o processo manualmente de identificar todas as pilhas em uma corrediça da patologia é extremamente labor - intensivo e sujeito a erros.

Porque há geralmente milhões de pilhas em uma amostra de tecido, um patologista pode somente analisar tão muitas corrediças em um dia. Para fazer um diagnóstico, os patologistas examinam geralmente somente diversas regiões “representativas” em detalhe, um pouco do que a corrediça do todo. Contudo, alguns detalhes importantes poderiam ser faltados por esta aproximação.”

Dr. Guanghua “Andy” Xiao, autor correspondente de um estudo publicado em EBioMedicine e em professor da população e de ciências dos dados em UT do sudoeste

O cérebro humano, Dr. Xiao adicionado, não é bom em pegarar testes padrões morfológicos subtis. Conseqüentemente, um desafio técnico principal sistematicamente em estudar o microambiente do tumor é como classificar automaticamente tipos diferentes de pilhas e para determinar suas distribuições espaciais, disse.

O algoritmo do AI que o Dr. Xiao e sua equipe desenvolvidos, chamado ConvPath, supera estes obstáculos usando o AI para classificar tipos da pilha das imagens da patologia do câncer pulmonar.

É aqui como trabalha: O algoritmo de ConvPath pode “olhar” em pilhas e identificar seus tipos baseados em sua aparência nas imagens da patologia usando um algoritmo do AI que aprenda dos patologistas humanos. Este algoritmo converte eficazmente uma imagem da patologia em um “mapa” esse indicadores as distribuições e as interacções espaciais de pilhas do tumor, de pilhas stromal (isto é, as pilhas do tecido conjuntivo), e de linfócitos (isto é, glóbulos brancos) no tecido do tumor.

Se o poço do conjunto de pilhas do tumor junto ou a propagação em nós de linfa stromal são um factor que revela a resposta imune do corpo. Assim sabendo que a informação pode ajudar doutores a personalizar planos do tratamento e a localizar a imunoterapia direita.

Finalmente, os patologistas das ajudas do algoritmo obtêm a análise a mais exacta da célula cancerosa - em uma maneira muito mais rápida.

“É demorado e difícil para patologistas encontrar regiões muito pequenas do tumor em imagens do tecido, assim que este poderia extremamente reduzir o tempo que os patologistas precisam de passar em cada imagem,” disse o Dr. Xiao, que igualmente tem uma nomeação no departamento do monte de Lyda da bioinformática e é um membro do centro de pesquisa biomedicável quantitativo (QBRC) e do centro do cancro de Harold C. Simmons Detalhado em UTSW.

O software de ConvPath - que incorpora a segmentação da imagem, profundamente aprendizagem, e algoritmos da extracção de característica - é publicamente acessível em 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.