Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Uso AI dos pesquisadores avaliar o potencial metastático de pilhas da melanoma

Usando a inteligência artificial (AI), os pesquisadores de UT do sudoeste desenvolveram uma maneira de prever exactamente que cancros de pele são altamente metastáticos. Os resultados, publicados como o artigo de tampa de julho de sistemas da pilha, mostram o potencial para que as ferramentas AI-baseadas revolucionem a patologia para o cancro e as uma variedade de outras doenças.

Nós temos agora uma estrutura geral que permita que nós tomem amostras de tecido e prever mecanismos dentro das pilhas que conduzem a doença, os mecanismos que são actualmente inacessíveis em toda a outra maneira.”

Gaudenz Danuser, Ph.D., líder do estudo, professor e cadeira do departamento do monte de Lyda da bioinformática em UTSW

A tecnologia do AI avançou significativamente ao longo dos últimos anos, Dr. Danuser explicado, com os métodos aprender-baseados profundos capazes de distinguir diferenças minúsculas nas imagens que são essencialmente invisíveis ao olho humano. Os pesquisadores propor usar esta informação lactente para procurar diferenças nas características da doença que poderiam oferecer a introspecção em prognósticos ou em tratamentos do guia. De qualquer modo, disse ele, as diferenças distinguidas pelo AI não são geralmente interpretable em termos das características celulares específicas - um inconveniente que faça a AI uma venda resistente para o uso clínico.

Para superar este desafio, o Dr. Danuser e seus colegas usaram o AI para procurarar por diferenças entre imagens de pilhas da melanoma com potencial metastático do alto e baixo - uma característica que pode vida média ou morte para pacientes com cancro de pele - e reverso-projetado então seus resultados figurar para fora que as características nestas imagens eram responsáveis para as diferenças.

Usando amostras do tumor de sete pacientes e a informação disponível em sua progressão da doença, incluindo a metástase, os pesquisadores tomaram os vídeos de aproximadamente 12.000 pilhas aleatórias que vivem em pratos de petri, gerando aproximadamente 1.700.000 imagens cruas. Os pesquisadores usaram então um algoritmo do AI para puxar 56 características numéricas abstratas diferentes destas imagens.

O Dr. Danuser e seus colegas encontrou uma característica que podia discriminar exactamente entre pilhas com potencial metastático do alto e baixo. Manipulando esta característica numérica abstrata, produziram as imagens artificiais que as características visíveis exagerados inerentes à metástase que os olhos humanos não podem detectar, ele adicionaram. As pilhas altamente metastáticas produziram as extensões ligeira mais pseudopodial - um tipo de projecção fingerlike - e tinham aumentado a dispersão de luz, um efeito que pudesse ser devido aos rearranjos subtis dos organelles celulares.

Para provar mais o serviço público desta ferramenta, os pesquisadores classificaram primeiramente o potencial metastático das pilhas das melanoma humanas que tinham sido congeladas e cultivadas em pratos de petri por 30 anos, e implantado então lhes em ratos. Aqueles previstos para ser tumores formados altamente metastáticos que espalharam prontamente durante todo os animais, quando aqueles previstos para ter o baixo potencial metastático espalharam pouco ou de forma alguma.

Dr. Danuser, um professor da biologia celular em UT do sudoeste, notável que este método precisa um estudo mais adicional antes que se transformar parte do cuidado clínico. Mas eventualmente, adicionou, pode ser possível usar o AI para distinguir características importantes dos cancros e das outras doenças.

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.