Istraživači sa Univerziteta Istočne Finske, Univerziteta u Turkuu i Univerziteta Tampere razvili su metod zasnovan na veštačkoj inteligenciji za virtuelno bojenje histopatoloških uzoraka tkiva kao deo konzorcijuma Nordic ABCAP. Hemijsko bojenje je kamen temeljac proučavanja histopatologije više od jednog veka i široko se primenjuje u, na primer, dijagnostici raka.
„Hemijsko bojenje čini vidljivom morfologiju gotovo providnih, niskokontrastnih preseka tkiva. Bez toga je analiza morfologije tkiva gotovo nemoguća za ljudski vid. Hemijsko bojenje je nepovratno i u većini slučajeva onemogućava upotrebu istog uzorka za drugi eksperimenti ili merenja“, kaže univerzitetski istraživač i zamenik direktora Instituta za biomedicinu na Univerzitetu istočne Finske Leena Latonen, koja je vodila eksperimentalni deo studije.
Metoda veštačke inteligencije razvijena u ovoj studiji proizvodi računarske slike koje veoma liče na one proizvedene stvarnim procesom hemijskog bojenja. Ova virtuelno obojena slika se zatim može koristiti za inspekciju morfologije tkiva. Virtuelno bojenje smanjuje i hemijsko opterećenje i ručni rad potreban za obradu uzorka, a istovremeno omogućava upotrebu tkiva u druge svrhe osim samog bojenja.
Snaga predložene metode virtuelnog bojenja je u tome što ne zahteva poseban hardver ili infrastrukturu osim obične svetlosne mikroskopije i odgovarajućeg računara.
„Rezultati su veoma široko primenljivi. Postoji mnogo tema za naknadno istraživanje, a računske metode još uvek mogu da se poboljšaju. Međutim, već možemo da zamislimo nekoliko oblasti primene u kojima virtuelno bojenje može imati veliki uticaj na histopatologiju“, kaže Vanredni profesor Peka Ruusuvuori sa Univerziteta u Turkuu, koji je vodio računarski deo studije.
Učenje dubokih neuronskih mreža iz velikih količina podataka brzo je transformisalo polje analize biomedicinske slike. Pored tradicionalnih zadataka analize slike, kao što je interpretacija slike, ove metode su takođe pogodne za transformaciju slike u sliku. Virtuelno bojenje je primer takvog zadatka, što je uspešno pokazano u dva objavljena dela rada. Drugi deo se fokusirao na optimizaciju virtuelnog bojenja zasnovanog na generativnim suparničkim neuronskim mrežama, sa doktorskim istraživačem Umairom Khanom sa Univerziteta u Turkuu kao vodećim programerom.
„Duboke neuronske mreže su sposobne da rade na nivou koji ranije nismo mogli da zamislimo. Virtuelno bojenje zasnovano na veštačkoj inteligenciji može imati veliki uticaj na efikasniju obradu uzoraka u histopatologiji“, kaže Kan.
Pored algoritama veštačke inteligencije, ključ uspeha je bila dostupnost računarskih usluga visokih performansi preko CSC-a.
„U Finskoj imamo odličnu infrastrukturu za paralelno računarstvo visokih performansi. Računarsko intenzivno istraživanje poput ovog ne bi bilo moguće bez kapaciteta koje obezbeđuje CSC“, kaže Ruusuvuori.
Rezultati studije objavljeni su u Laboratory Investigation and Patterns.
