Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Utilisation AI de chercheurs d'évaluer le potentiel métastatique des cellules de mélanome

Utilisant l'artificial intelligence (AI), les chercheurs d'UT du sud-ouest ont développé une voie de prévoir exactement quels cancers de la peau sont hautement métastatiques. Les découvertes, publiées comme article de panneau de juillet des systèmes de cellules, montrent le potentiel pour que les outils basés sur AI révolutionnent la pathologie pour le cancer et un grand choix d'autres maladies.

Nous avons maintenant un cadre général qui nous permet de prélever des prélèvements de tissu et de prévoir des mécanismes à l'intérieur des cellules qui conduisent la maladie, les mécanismes qui sont actuel inaccessibles de n'importe quelle autre voie. »

Gaudenz Danuser, Ph.D., chef d'étude, professeur et présidence du service de côte de Lyda de la bio-informatique à UTSW

La technologie d'AI a sensiblement avancé au cours des dernières années, M. Danuser expliqué, avec des méthodes apprendre profondes capables discerner des différences minutieuses dans les images qui sont essentiellement invisibles à l'oeil humain. Les chercheurs ont proposé utilisant cette information latente pour rechercher des différences dans les caractéristiques de la maladie qui pourraient offrir l'analyse sur des pronostics ou des demandes de règlement de guide. Néanmoins, dit-il, les différences discernées par AI ne sont généralement pas interprétables en termes de caractéristiques cellulaires spécifiques - un inconvénient qui a effectué à AI un difficile à vendre pour l'utilisation clinique.

Pour surmonter ce défi, M. Danuser et ses collègues avaient l'habitude l'AI pour rechercher des différences entre les images des cellules de mélanome avec le potentiel métastatique de ciel et terre - une caractéristique qui peut moyenne vie ou mort pour des patients présentant le cancer de la peau - et alors inverse-conçu leurs découvertes de figurer à l'extérieur qui les caractéristiques dans ces images étaient responsables des différences.

Utilisant des échantillons de tumeur provenant de sept patients et des informations disponibles sur leur progression de la maladie, y compris la métastase, les chercheurs ont pris des vidéos d'environ 12.000 cellules faites au hasard vivant dans des boîtes de Pétri, produisant d'environ 1.700.000 images crues. Les chercheurs avaient l'habitude alors un algorithme d'AI pour tirer 56 caractéristiques numériques abstraites différentes de ces images.

Le M. Danuser et ses collègues a trouvé une caractéristique qui pouvait distinguer exactement entre les cellules avec le potentiel métastatique de ciel et terre. En manipulant cette caractéristique numérique abstraite, elles ont produit les images artificielles qui ont exagéré des caractéristiques visibles inhérentes à la métastase que les yeux humains ne peuvent pas trouver, il ont ajouté. Les cellules hautement métastatiques ont produit les extensions légèrement pseudopodial - un type de projection fingerlike - et avaient augmenté la dispersion de la lumière, un effet qui peut être dû aux réarrangements subtile des organelles cellulaires.

Pour prouver davantage l'installation de cet outil, les chercheurs ont classifié la première fois le potentiel métastatique des cellules des mélanomes humains qui avaient été gelés et cultivés dans des boîtes de Pétri pendant 30 années, et alors implanté leur dans des souris. Ceux prévus pour être tumeurs formées hautement métastatiques qui ont promptement écarté dans tous les animaux, alors que ceux prévus pour avoir le potentiel métastatique inférieur écartaient peu ou pas du tout.

M. Danuser, un professeur de biologie cellulaire à UT du sud-ouest, remarquable que cette méthode nécessite davantage d'étude avant que ce devienne une partie de soins cliniques. Mais éventuellement, il a ajouté, il peut être possible d'employer l'AI pour discerner les caractéristiques importantes des cancers et d'autres maladies.

Source:
Journal reference:

Zaritsky, A., et al. (2021) Interpretable deep learning uncovers cellular properties in label-free live cell images that are predictive of highly metastatic melanoma. Cell Systems. doi.org/10.1016/j.cels.2021.05.003.