La nueva herramienta de software utiliza el AI para reconocer a las células cancerosas de imágenes digitales de la patología

Los investigadores al sudoeste de UT han desarrollado una herramienta de software que utiliza la inteligencia artificial de reconocer a las células cancerosas de imágenes digitales de la patología - dando a clínicos una manera potente de predecir resultados pacientes.

La distribución espacial de diversos tipos de células puede revelar la estructura del crecimiento de un cáncer, su lazo con el microambiente circundante, y la inmunorespuesta de la carrocería. Pero el proceso manualmente de determinar todas las células en una diapositiva de la patología es extremadamente necesitando mucho trabajo y falible.

Pues hay generalmente millones de células en una muestra de tejido, un patólogo puede analizar solamente tan muchas diapositivas en un día. Para hacer una diagnosis, los patólogos examinan generalmente solamente varias regiones “representativas” detalladamente, bastante que la diapositiva del conjunto. Sin embargo, algunos detalles importantes podrían ser faltados por esta aproximación.”

El Dr. Guanghua “Andy” Xiao, autor correspondiente de un estudio publicado en EBioMedicine y el profesor de la población y de las ciencias de los datos en UT al sudoeste

El cerebro humano, el Dr. Xiao adicional, no es bueno en tomar configuraciones morfológicas sutiles. Por lo tanto, un reto técnico importante en sistemáticamente estudiar el microambiente del tumor es cómo clasificar automáticamente diversos tipos de células y cuantificar sus distribuciones espaciales, él dijo.

El algoritmo del AI que el Dr. Xiao y sus personas desarrollados, llamado ConvPath, supera estos obstáculos usando el AI de clasificar tipos de la célula de imágenes de la patología del cáncer de pulmón.

Aquí es cómo trabaja: El algoritmo de ConvPath puede “mirar” las células y determinar sus tipos basados en su aspecto en las imágenes de la patología usando un algoritmo del AI que aprenda de patólogos humanos. Este algoritmo convierte efectivo una imagen de la patología en un “mapa” ese los despliegues las distribuciones y las acciones recíprocas espaciales de las células del tumor, de las células stromal (es decir, las células del tejido conectivo), y de los linfocitos (es decir, los glóbulos blancos) en tejido del tumor.

Si el pozo del atado de células del tumor junto o la extensión en ganglios linfáticos stromal es un factor que revela la inmunorespuesta de la carrocería. Tan sabiendo que la información puede ayudar a doctores a modificar planes del tratamiento para requisitos particulares y a establecer claramente la inmunoterapia correcta.

Final, los patólogos de las ayudas del algoritmo obtienen el análisis más exacto de la célula cancerosa - de una manera mucho más rápida.

“Es que toma tiempo y difícil que los patólogos localicen regiones muy pequeñas del tumor en imágenes del tejido, así que éste podría reducir grandemente el tiempo que los patólogos necesitan pasar en cada imagen,” dijo al Dr. Xiao, que también tiene una cita en el departamento de la colina de Lyda de la bioinformática y es una pieza del centro de investigación biomédico cuantitativo (QBRC) y del centro del cáncer de Harold C. Simmons Comprehensive en UTSW.

El software de ConvPath - que incorpora la segmentación de la imagen, profundamente aprendizaje, y los algoritmos de la extracción de característica - es público accesible en 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.