Studija objavljena u Nature Machine Intelligence uvodi napredni model veštačke inteligencije (AI) sposoban da kreira virtuelne boje tkiva raka. Studija, koju zajedno vode naučnici sa univerziteta u Lozani i Bernu, predstavlja veliki korak napred u poboljšanju analize patologije i dijagnostike raka.
Kombinacijom inovativnih računarskih tehnika, tim kompjuterskih naučnika, biologa i kliničara na čelu sa Marijanom Rapsomaniki sa Univerziteta u Lozani i Marijanom Kruthof-de Hulio sa Univerziteta u Bernu razvio je novi pristup analizi tkiva raka.
Vođeni motivacijom da prevaziđu nedostajuće eksperimentalne podatke, izazov sa kojim se istraživači često suočavaju kada rade sa ograničenim tkivima pacijenata, naučnici su kreirali „Virtualni multiplekser“: model veštačke inteligencije (AI) koji generiše virtuelne slike dijagnostičkih boja tkiva.
Koristeći generativnu veštačku inteligenciju, alatka stvara tačne i detaljne slike tkiva raka koje imitiraju kako bi izgledalo njegovo bojenje za dati ćelijski marker. Takve specifične boje mogu pružiti važne informacije o statusu raka kod pacijenata i igrati glavnu ulogu u dijagnozi.
„Ideja je da vam je potrebna samo jedna stvarna boja tkiva koja se radi u laboratoriji kao deo rutinske patologije, da biste zatim simulirali koje ćelije u tom tkivu bi se obojile pozitivno za nekoliko drugih, specifičnijih markera“, objašnjava Rapsomaniki, kompjuterski naučnik. i stručnjak za veštačku inteligenciju u Centru za nauku o biomedicinskim podacima Univerziteta u Lozani i Univerzitetskoj bolnici u Lozani, i ko-korespondentni autor studije.
Tehnologija smanjuje potrebu za izvođenjem laboratorijskih analiza koje zahtevaju velike resurse i namenjena je da dopuni informacije dobijene iz eksperimenata. „Naš model može biti od velike pomoći kada je raspoloživi materijal tkiva ograničen ili kada se eksperimentalno bojenje ne može uraditi iz drugih razloga“, dodaje Pushpak Pati, prvi autor studije.
Da bismo razumeli osnovnu metodologiju koja se naziva „kontrastivni neupareni prevod“, može se zamisliti aplikacija za mobilni telefon koja predviđa kako bi mlada osoba izgledala u starijoj dobi.
Na osnovu trenutne fotografije, aplikacija proizvodi virtuelnu sliku koja simulira budući izgled osobe. To postiže obradom informacija sa hiljada slika drugih, nepovezanih, starijih pojedinaca. Kako algoritam uči „kako izgleda stara osoba“, on može primeniti ovu transformaciju na bilo koju fotografiju.
Slično, virtuelni multiplekser transformiše fotografiju jedne boje koja široko razlikuje različite regione unutar tkiva raka u slike koje prikazuju koje ćelije u tom tkivu imaju pozitivnu mrlju za dati molekul markera. Ovo postaje moguće obučavanjem AI modela na brojnim slikama drugih tkiva, na kojima su ove boje urađene eksperimentalno.
Jednom kada nauči logiku koja definiše obojenu sliku iz stvarnog života, virtuelni multiplekser je sposoban da primeni isti stil na datu sliku tkiva i generiše virtuelnu verziju željene boje.
Naučnici su primenili rigorozan proces validacije kako bi osigurali da virtuelne slike budu klinički značajne, a ne samo rezultati generisani veštačkom inteligencijom koji izgledaju verodostojno, ali su u stvari lažni izumi, nazvani „halucinacije“. Oni su testirali koliko dobro veštačke slike predviđaju kliničke ishode, kao što su preživljavanje pacijenata ili napredovanje bolesti, u poređenju sa postojećim podacima iz stvarno obojenih tkiva.
Poređenje je potvrdilo da su virtuelne boje ne samo tačne već i klinički korisne, što pokazuje da je model pouzdan i pouzdan.
Idući dublje, istraživači su Virtuelni multiplekser odveli na takozvani Tjuringov test. Nazvan po osnivaču moderne veštačke inteligencije, Alanu Tjuringu, ovaj test utvrđuje da li veštačka inteligencija može da proizvede rezultate koji se ne razlikuju od onih koje su stvorili ljudi.
Zamolivši stručnjake patologe da odvoje tradicionalne obojene slike od boja koje je generisala veštačka inteligencija, autori su otkrili da se veštačke kreacije doživljavaju kao slične stvarnim slikama, pokazujući efikasnost njihovog modela.
Jedno od glavnih otkrića koje izdvaja VirtualMultipleker je njegov višerazmerni pristup. Tradicionalni modeli se često fokusiraju na ispitivanje tkiva bilo na mikroskopskoj (na nivou ćelije) ili na makroskopskoj (ukupno tkivo) razmeri.
Model koji je predložio tim iz Lozane i Berna razmatra tri različite skale strukture tkiva raka: njegov globalni izgled i arhitekturu, odnose između susednih ćelija i detaljne karakteristike pojedinačnih ćelija. Ovaj holistički pristup omogućava precizniji prikaz slike tkiva.
Studija označava značajan napredak u onkološkim istraživanjima, dopunjujući postojeće eksperimentalne podatke. Generisanjem visokokvalitetnih simuliranih bojenja, VirtualMultipleker može pomoći stručnjacima da formulišu hipoteze, daju prioritet eksperimentima i unaprede svoje razumevanje biologije raka.
Marianna Kruithof-de Julio, šef laboratorije za istraživanje urologije na Univerzitetu u Bernu, i ko-korespondentni autor studije, vidi važan potencijal za buduće primene. „Razvili smo naš alat koristeći tkiva ljudi obolelih od raka prostate. U radu smo takođe pokazali da deluje slično dobro za tumore pankreasa – što nas čini sigurnim da može biti korisno za mnoge druge vrste bolesti.“
Inovativni pristup takođe ima potencijal da podrži takozvane temeljne AI modele u biološkim studijama. Moć ovakvih modela je njihova sposobnost da uče kroz obradu ogromne količine podataka na samonadgledan način, omogućavajući im da razumeju logiku koja stoji iza složenih struktura i steknu sposobnost da obavljaju različite vrste zadataka.
„Dostupni podaci za retka tkiva su oskudni. Virtuelni multiplekser može da popuni ove praznine generišući realistične slike brzo i bez ikakvih troškova, i na taj način pomogne budućim modelima temelja da analiziraju i opišu karakteristike tkiva na više različitih načina. Ovo će utrti put za nove otkrića u istraživanju i dijagnozi“, zaključuje Rapsomaniki.
