Исследователи из Стэнфордского медицинского института разработали модель искусственного интеллекта, призванную улучшить диагностику и лечение глиобластомы - особо агрессивной формы рака мозга.
Глиобластома представляет собой уникальную проблему для медиков из-за высокой вариабельности клеточного состава у разных пациентов.
Оливье Геваерт, доцент кафедры биомедицинской информатики и науки о данных, подчеркнул сложность лечения глиобластомы, заявив: "Из-за гетерогенности этого заболевания ученые не нашли хороших способов борьбы с ним".
Сайт Модель искусственного интеллекта Цель проекта - решить эту проблему путем анализа окрашенных изображений ткани глиобластомы для оценки ее характеристик, включая агрессивность и генетический состав опухоли.
Юаньнин Чжэн, из лаборатории Геваэрта, описано Система искусственного интеллекта - это "своего рода система поддержки принятия решений для врачей".
Модель может помочь врачам выявлять пациентов с клеточными характеристиками, указывающими на более агрессивные опухоли, и направлять их на оперативное наблюдение. Онапозволяет получить более подробную карту опухоли, выявить межклеточные взаимодействия и их взаимосвязь с исходом заболевания.
Геваерт уточнил: "Модель показала, какие клетки любят быть вместе, какие не хотят общаться, и как это коррелирует с результатами лечения пациентов".
Например, модель показала, что скопление определенных клеток, известных как астроциты, указывает на более агрессивную форму рака. Эти данные могут помочь в разработке более эффективных методов лечения глиобластомы.
Чжэн надеется, что модель также может служить инструментом для оценки состояния после операции. Модель показала, что опухолевые клетки, демонстрирующие признаки кислородного голодания, часто коррелируют с худшими результатами лечения рака.
"Освещая клетки с недостатком кислорода в гистологических образцах, полученных в ходе операции, модель может помочь хирургам понять, сколько раковых клеток может остаться в мозге и как скоро следует возобновить лечение после операции", - заявил Чжэн.
Пока модель находится на стадии исследования, она может быть применена и к другим видам рака, например, к раку груди или легких.
В заключение Чжэн сказал: "Я думаю, что эти мультимодальные интеграции данных могут повлиять на совершенствование персонализированной медицины в будущем".
В настоящее время для исследователей доступна пробная версия модели под названием GBM360, которая позволяет тестировать и загружать диагностические изображения для прогнозирования исхода заболевания глиобластомой.
Однако Чжэн поспешил добавить, что модель все еще находится на стадии исследования и не используется в реальных клинических условиях.
Подробнее об исследовании
В исследовании используется искусственный интеллект для интерпретации подтипов глиобластомы на основе имеющихся данных о пациентах, что помогает врачам определять прогноз заболевания и его развитие у разных пациентов.
Вот как это работает:
- Интеграция данных: Исследователи начали с интеграции различных форм данных, включая секвенирование одноклеточной РНК и пространственную транскриптомику, наряду с клиническими результатами пациентов с глиобластомой. Это позволило получить надежный набор данных для разработки моделей машинного обучения (ML).
- Разработка модели: Команда разработала GBM-CNN, специализированную модель глубокого обучения, предназначенную для интерпретации гистологических изображений. Эта модель была обучена предсказывать различные транскрипционные подтипы клеток глиобластомы, используя интегрированные данные для проверки.
- Крупномасштабный анализ: После обучения GBM-CNN была использована для анализа более 40 миллионов пятен ткани от 410 пациентов, что позволило создать клеточные карты высокого разрешения. Анализ показал наличие от трех до пяти злокачественных подтипов в каждой опухоли.
- Корреляция с клиническими данными: Затем клеточные карты были интегрированы с клиническими данными пациентов. Было обнаружено, что определенный клеточный состав связан с ухудшением состояния пациентов.
- Валидация и тестирование: Для подтверждения полученных результатов была разработана дополнительная модель, позволяющая предсказывать прогноз пациента на основе других диагностических изображений. Эта модель подтвердила первоначальные результаты, показав связь между клеточной архитектурой и выживаемостью пациентов.
ИИ значительно ускоряет применение подходов к здравоохранению, основанных на данных, поддерживая МРТ-сканирование, диагностика глазных заболеваний, и сложные интерфейсы мозг-компьютерЭто лишь некоторые из множества вариантов его применения.