Istraživači su razvili veštačku inteligenciju koja može da razlikuje ćelije raka od normalnih ćelija, kao i da otkrije veoma rane faze virusne infekcije unutar ćelija. Nalazi, objavljeni danas u studiji u časopisu Inteligencija mašina prirode, otvaraju put poboljšanim dijagnostičkim tehnikama i novim strategijama praćenja bolesti. Istraživači su iz Centra za genomsku regulaciju (CRG), Univerziteta Baskije (UPV/EHU), Međunarodnog centra za fiziku Donostia (DIPC) i Fundacion Biofisica Bizkaia (FBB, koji se nalazi u Institutu Biofisika).
Alat, AINU (AI of NUcleus), skenira slike ćelija visoke rezolucije. Slike se dobijaju specijalnom mikroskopskom tehnikom zvanom STORM, koja stvara sliku koja hvata mnogo finijih detalja od onoga što obični mikroskopi mogu da vide. Snimci visoke definicije otkrivaju strukture u nano rezoluciji.
Nanometar (nm) je milijarditi deo metra, a pramen ljudske kose je širok oko 100.000 nm. AI može da otkrije preuređenje unutar ćelija malih dimenzija od 20 nm, ili 5.000 puta manje od širine ljudske kose. Ove izmene su suviše male i suptilne da bi ih posmatrači mogli pronaći samo tradicionalnim metodama.
„Rezolucija ovih slika je dovoljno moćna da naša veštačka inteligencija prepozna specifične obrasce i razlike sa izuzetnom tačnošću, uključujući promene u načinu na koji je DNK raspoređena unutar ćelija, pomažući uočiti promene vrlo brzo nakon što se pojave. Mislimo da će, jednog dana, ova vrsta Informacije mogu da kupe lekarima dragoceno vreme za praćenje bolesti, personalizaciju tretmana i poboljšanje ishoda pacijenata“, kaže profesorka istraživanja ICREA Pia Cosma, ko-korespondentna autorka studije i istraživač u Centru za genomsku regulaciju u Barseloni.
AINU je konvoluciona neuronska mreža, tip veštačke inteligencije posebno dizajniran za analizu vizuelnih podataka poput slika. Primeri konvolucionih neuronskih mreža uključuju AI alate koji korisnicima omogućavaju da otključaju pametne telefone svojim licem ili druge koje koriste samovozeći automobili za razumevanje i navigaciju okruženja prepoznavanjem objekata na putu.
U medicini, konvolucione neuronske mreže se koriste za analizu medicinskih slika kao što su mamografi ili CT skeniranja i identifikuju znakove raka koje ljudsko oko može propustiti. Oni takođe mogu pomoći lekarima da otkriju abnormalnosti u MR skeniranju ili rendgenskim slikama, pomažući u postavljanju brže i preciznije dijagnoze.
AINU detektuje i analizira sitne strukture unutar ćelija na molekularnom nivou. Istraživači su obučili model tako što su ga hranili slikama jezgra mnogih različitih tipova ćelija u različitim stanjima nano-razlučivosti. Model je naučio da prepozna specifične obrasce u ćelijama analizirajući kako su nuklearne komponente raspoređene i raspoređene u trodimenzionalnom prostoru.
Na primer, ćelije raka imaju izrazite promene u svojoj nuklearnoj strukturi u poređenju sa normalnim ćelijama, kao što su promene u tome kako je njihova DNK organizovana ili distribucija enzima unutar jezgra. Nakon obuke, AINU bi mogao da analizira nove slike ćelijskih jezgara i klasifikuje ih kao kancerozne ili normalne samo na osnovu ovih karakteristika.
Rezolucija slika u nanorazmeri je omogućila AI da otkrije promene u jezgru ćelije odmah nakon jednog sata nakon što je zaražena virusom herpes simpleksa tipa-1. Model bi mogao da otkrije prisustvo virusa pronalaženjem malih razlika u tome koliko je DNK čvrsto spakovana, što se dešava kada virus počne da menja strukturu jezgra ćelije.
„Naš metod može da otkrije ćelije koje su zaražene virusom vrlo brzo nakon što infekcija počne. Obično je potrebno vreme da lekari uoče infekciju jer se oslanjaju na vidljive simptome ili veće promene u telu. Ali sa AINU, možemo odmah vidite sitne promene u jezgru ćelije“, kaže Ignacio Arganda-Carreras, ko-korespondentni autor studije i Ikerbaskue istraživač saradnik na UPV/EHU i povezan sa FBB-Biofisika institutom i DIPC-om u San Sebastian/Donostia.
„Istraživači mogu da koriste ovu tehnologiju da vide kako virusi utiču na ćelije skoro odmah nakon što uđu u telo, što bi moglo da pomogne u razvoju boljih tretmana i vakcina. U bolnicama i klinikama, AINU bi se mogao koristiti za brzo dijagnostikovanje infekcija iz jednostavnog uzorka krvi ili tkiva. „, čineći proces bržim i preciznijim“, dodaje Limei Zhong, koautor studije i istraživač u Narodnoj bolnici provincije Guangdong (GDPH) u Guangdžouu, Kina.
Istraživači moraju da prevaziđu važna ograničenja pre nego što tehnologija bude spremna za testiranje ili primenu u kliničkom okruženju. Na primer, STORM slike se mogu snimiti samo sa specijalizovanom opremom koja se obično nalazi samo u biomedicinskim istraživačkim laboratorijama. Postavljanje i održavanje sistema za snimanje koje zahteva AI je značajno ulaganje kako u opremu tako i u tehničku ekspertizu.
Još jedno ograničenje je da STORM slikanje obično analizira samo nekoliko ćelija istovremeno. U dijagnostičke svrhe, posebno u kliničkim okruženjima gde su brzina i efikasnost presudne, lekari bi morali da uhvate mnogo više ćelija u jednoj slici da bi mogli da otkriju ili prate bolest.
„Postoji mnogo brzih napretka u oblasti snimanja STORM-a, što znači da bi mikroskopi uskoro mogli biti dostupni u manjim ili manje specijalizovanim laboratorijama, pa čak i na klinici. Ograničenja pristupačnosti i propusnosti su problemi koji se lakše rešavaju nego što smo ranije mislili i nadamo se da ćemo uskoro sprovesti pretkliničke eksperimente“, kaže dr Kosma.
Iako bi kliničke koristi mogle biti daleko, očekuje se da će AINU ubrzati naučna istraživanja u kratkom roku. Istraživači su otkrili da tehnologija može da identifikuje matične ćelije sa veoma visokom preciznošću. Matične ćelije se mogu razviti u bilo koju vrstu ćelije u telu, što je sposobnost poznata kao pluripotencija. Pluripotentne ćelije se proučavaju zbog njihovog potencijala da pomognu popravku ili zamenu oštećenih tkiva.
AINU može učiniti proces otkrivanja pluripotentnih ćelija bržim i preciznijim, pomažući da terapije matičnim ćelijama budu bezbednije i efikasnije.
„Sadašnje metode za otkrivanje visokokvalitetnih matičnih ćelija oslanjaju se na testiranje na životinjama. Međutim, sve što naš AI model treba da funkcioniše je uzorak koji je obojen specifičnim markerima koji ističu ključne nuklearne karakteristike. Osim što je lakši i brži, može da ubrza istraživanje matičnih ćelija istovremeno doprinoseći promeni u smanjenju upotrebe životinja u nauci“, kaže Davide Carnevali, prvi autor istraživanja i istraživač u CRG-u.
