Investigadores da Stanford Medicine desenvolveram um modelo de IA destinado a melhorar o diagnóstico e o tratamento do glioblastoma, uma forma particularmente agressiva de cancro do cérebro.
O glioblastoma apresenta desafios únicos para os profissionais médicos devido à sua composição celular altamente variável de doente para doente.
Olivier Gevaert, professor associado de informática biomédica e ciência dos dados, salientou a complexidade do tratamento do glioblastoma, afirmando: "Devido à heterogeneidade desta doença, os cientistas ainda não encontraram boas formas de a combater".
O Modelo de IA visa atenuar este problema através da análise de imagens coradas de tecido de glioblastoma para avaliar as suas características, incluindo a agressividade do tumor e a sua composição genética.
Yuanning Zheng, do laboratório de Gevaert, descrito o sistema de IA como "uma espécie de sistema de apoio à decisão para os médicos".
O modelo poderá ajudar os médicos a identificar os doentes com características celulares indicativas de tumores mais agressivos, sinalizando-os para um acompanhamento rápido. O modelo ccria um mapa mais detalhado do tumor, revelando as interacções célula a célula e a forma como estas se correlacionam com os resultados dos doentes.
Gevaert elaborou: "O modelo mostrou quais as células que gostam de estar juntas, quais as células que não querem comunicar e como isso se correlaciona com os resultados dos doentes".
Por exemplo, o modelo descobriu que o agrupamento de células específicas, conhecidas como astrócitos, indicava uma forma mais agressiva do cancro. Estes conhecimentos poderão ajudar a conceber tratamentos mais eficazes para o glioblastoma.
Zheng espera que o modelo possa também servir como ferramenta de avaliação pós-operatória. O modelo mostrou que as células tumorais que apresentavam sinais de privação de oxigénio estavam frequentemente associadas a piores resultados em termos de cancro.
"Ao iluminar as células carentes de oxigénio em amostras de cirurgia com coloração histológica, o modelo pode ajudar os cirurgiões a compreender quantas células cancerosas podem ainda estar no cérebro e quando retomar o tratamento após a cirurgia", afirmou Zheng.
Embora ainda em fase de investigação, o modelo tem potencial para ser aplicado a outros cancros, como o cancro da mama ou do pulmão.
Zheng concluiu: "Penso que estas integrações de dados multimodais podem moldar a melhoria da medicina personalizada no futuro".
Atualmente, uma versão de prova de conceito do seu modelo, designada GBM360, está disponível para os investigadores testarem e carregarem imagens de diagnóstico para preverem os resultados dos doentes com glioblastoma.
No entanto, Zheng apressou-se a acrescentar que o modelo ainda está em fase de investigação e não é utilizado em contextos clínicos reais.
Mais informações sobre o estudo
O estudo utiliza a IA para interpretar os subtipos de glioblastoma a partir de dados de doentes existentes, ajudando os médicos a determinar o prognóstico e a evolução da doença para diferentes doentes.
Eis como funciona:
- Integração de dados: Os investigadores começaram por integrar várias formas de dados, incluindo a sequenciação de ARN de uma única célula e a transcriptómica espacial, juntamente com os resultados clínicos de doentes com glioblastoma. Isto proporcionou um conjunto de dados robusto para o desenvolvimento de modelos de aprendizagem automática (ML).
- Desenvolvimento de modelos: A equipa desenvolveu o GBM-CNN, um modelo especializado de aprendizagem profunda concebido para interpretar imagens histológicas. Este modelo foi treinado para prever os diferentes subtipos transcricionais das células de glioblastoma, utilizando os dados integrados para validação.
- Análise em grande escala: Após o treino, a GBM-CNN foi utilizada para analisar mais de 40 milhões de pontos de tecido de 410 pacientes, criando mapas celulares de alta resolução. A análise revelou a presença de três a cinco subtipos malignos em cada tumor.
- Correlação com dados clínicos: Os mapas celulares foram depois integrados com os dados clínicos dos doentes. Verificou-se que certas composições celulares estão associadas a piores resultados para os doentes.
- Validação e ensaios: Para corroborar estes resultados, foi desenvolvido um modelo secundário para prever o prognóstico dos doentes com base noutras imagens de diagnóstico. Este modelo confirmou os resultados iniciais, mostrando associações entre a arquitetura celular e as taxas de sobrevivência dos doentes.
A IA está a acelerar enormemente as abordagens dos cuidados de saúde baseadas em dados, apoiando Exame de ressonância magnética, diagnóstico de doenças ocularese sofisticado interfaces cérebro-computadorpara citar apenas algumas das suas inúmeras aplicações.
