Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Uso AI dei ricercatori valutare potenziale metastatico delle celle del melanoma

Facendo uso di intelligenza artificiale (AI), i ricercatori da UT sudoccidentale hanno sviluppato un modo predire esattamente quali cancri di interfaccia sono altamente metastatici. I risultati, pubblicati come l'articolo di coperchio di luglio dei sistemi delle cellule, mostrano il potenziale affinchè gli strumenti AI basati rivoluzionino la patologia per cancro e varie altre malattie.

Ora abbiamo una struttura generale che permette che noi preleviamo i campioni del tessuto e prediciamo i meccanismi dentro le celle che determinano la malattia, meccanismi che sono corrente inaccessibili in qualunque altro modo.„

Gaudenz Danuser, Ph.D., guida di studio, il professor e presidenza del dipartimento della collina di Lyda di bioinformatica a UTSW

La tecnologia di AI ha avanzato significativamente negli ultimi anni, il Dott. Danuser spiegato, con ai i metodi basati imparare profondi capaci di distinguere le differenze minuscole nelle immagini che sono essenzialmente invisibili all'occhio umano. I ricercatori hanno proposto facendo uso di questi informazioni latenti di cercare le differenze nelle caratteristiche di malattia che potrebbero offrire la comprensione sulle prognosi o sui trattamenti della guida. Tuttavia, disse, le differenze distinte da AI non sono generalmente interpretabili in termini di caratteristiche cellulari specifiche - uno svantaggio che ha reso a AI una vendita dura per uso clinico.

Per sormontare questa sfida, il Dott. Danuser ed i suoi colleghi hanno usato il AI per cercare le differenze fra le immagini delle celle del melanoma con potenziale metastatico di minimo e massimo - una caratteristica che può vita media o morte per i pazienti con il cancro di interfaccia - ed allora inverso-costruito i loro risultati di capire quali funzionalità in queste immagini erano responsabili delle differenze.

Facendo uso dei campioni del tumore da sette pazienti e delle informazioni disponibili sulla loro progressione di malattia, compreso la metastasi, i ricercatori hanno catturato i video di circa 12.000 celle casuali che vivono nelle capsule di Petri, generanti circa 1.700.000 immagini crude. I ricercatori poi hanno usato un algoritmo di AI per tirare 56 funzionalità numeriche astratte differenti da queste immagini.

Il Dott. Danuser ed i suoi colleghi ha trovato una funzionalità che poteva discriminare esattamente fra le celle con potenziale metastatico di minimo e massimo. Manipolando questa funzionalità numerica astratta, hanno prodotto le immagini artificiali che hanno esagerato le caratteristiche visibili inerenti alla metastasi che gli occhi umani non possono individuare, lui hanno aggiunto. Le celle altamente metastatiche hanno prodotto le estensioni leggermente più pseudopodial - un tipo di proiezione fingerlike - ed avevano aumentato lo scattering leggero, un effetto che può essere dovuto le riorganizzazioni sottili degli organelli cellulari.

Per più ulteriormente provare l'utilità di questo strumento, i ricercatori in primo luogo hanno classificato il potenziale metastatico delle celle dai melanomi umani che erano stati congelati e coltivato stati nelle capsule di Petri per 30 anni ed allora impiantato loro nei mouse. Quelli preveduti per essere tumori formati altamente metastatici che si sono sparsi prontamente in tutto gli animali, mentre quelli preveduti per avere potenziale metastatico basso si sono sparsi poco o per niente.

Dott. Danuser, un professore di biologia cellulare a UT sudoccidentale, celebre che questo metodo ha bisogno di ulteriore studio prima che si trasformi in in parte di cura clinica. Ma finalmente, ha aggiunto, può essere possibile usare il AI per distinguere le funzionalità importanti dei cancri e di altre malattie.

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.