חוקרים במרכז לרגולציה גנומית (CRG), אוניברסיטת הבסקים (UPV/EHU), מרכז הפיזיקה הבינלאומי דונוסטיה (DIPC) ו-Fundación Biofisica Bizkaia (FBB, הממוקם במכון ביופיסיקה) פיתחו בינה מלאכותית שיכולה להבדיל בין תאים סרטניים לתאים רגילים, כמו גם לזהות את השלבים המוקדמים מאוד של זיהום ויראלי בתוך התאים. הממצאים, שפורסמו היום במחקר בכתב העת Nature Machine Intelligenceלסלול את הדרך לטכניקות אבחון משופרות ואסטרטגיות ניטור חדשות למחלות.
הכלי, AINU (AI של הגרעין), סורק תמונות ברזולוציה גבוהה של תאים. התמונות מתקבלות בטכניקת מיקרוסקופיה מיוחדת הנקראת STORM, היוצרת תמונה הלוכדת פרטים רבים יותר עדינים ממה שמיקרוסקופים רגילים יכולים לראות. צילומי המצב בחדות גבוהה חושפים מבנים ברזולוציה ננומטרית.
ננומטר (ננומטר) הוא מיליארדית המטר, ורוחבה של קווצת שיער אדם היא כ-100,000 ננומטר. ה-AI יכול לזהות סידורים מחדש בתוך תאים קטנים כמו 20 ננומטר, או פי 5,000 קטנים מרוחב שערה אנושית. השינויים הללו קטנים ועדינים מכדי שצופים אנושיים יוכלו למצוא אותם בשיטות מסורתיות בלבד.
הרזולוציה של התמונות האלה חזקה מספיק כדי שה-AI שלנו יזהה דפוסים והבדלים ספציפיים בדיוק יוצא דופן, כולל שינויים באופן שבו ה-DNA מסודר בתוך תאים, מה שעוזר לזהות שינויים זמן קצר מאוד לאחר התרחשותם. אנו חושבים שיום אחד, מידע מסוג זה יכול לקנות לרופאים זמן יקר למעקב אחר מחלות, להתאים טיפולים אישיים ולשפר את תוצאות המטופל".
פיה קוסמה, פרופסור למחקר של ICREA, מחברת שותפה למחקר וחוקרת במרכז לרגולציה גנומית, ברצלונה
'זיהוי פנים' ברמה המולקולרית
AINU היא רשת עצבית קונבולוציונית, סוג של בינה מלאכותית שתוכננה במיוחד לנתח נתונים חזותיים כמו תמונות. דוגמאות לרשתות עצביות קונבולוציוניות כוללות כלי בינה מלאכותית המאפשרים למשתמשים לפתוח סמארטפונים עם הפנים שלהם, או אחרים המשמשים מכוניות בנהיגה עצמית כדי להבין ולנווט סביבות על ידי זיהוי עצמים על הכביש.
ברפואה, רשתות עצביות קונבולוציוניות משמשות לניתוח תמונות רפואיות כמו ממוגרפיה או סריקות CT ולזהות סימנים לסרטן שעלולים להחמיץ בעין האנושית. הם יכולים גם לעזור לרופאים לזהות חריגות בסריקות MRI או בתמונות רנטגן, ולסייע באבחנה מהירה ומדויקת יותר.
AINU מזהה ומנתח מבנים זעירים בתוך תאים ברמה המולקולרית. החוקרים אימנו את המודל על ידי הזנתו בתמונות ברזולוציה ננומטרית של הגרעין של סוגים רבים ושונים של תאים במצבים שונים. המודל למד לזהות דפוסים ספציפיים בתאים על ידי ניתוח האופן שבו מרכיבים גרעיניים מופצים ומסודרים במרחב התלת מימדי.
לדוגמה, לתאים סרטניים יש שינויים ברורים במבנה הגרעיני שלהם בהשוואה לתאים רגילים, כגון שינויים באופן מאורגן ה-DNA שלהם או התפלגות האנזימים בתוך הגרעין. לאחר האימון, AINU יכול לנתח תמונות חדשות של גרעיני תאים ולסווג אותם כסרטניים או נורמליים על סמך תכונות אלו בלבד.
הרזולוציה הננומטרית של התמונות אפשרה ל-AI לזהות שינויים בגרעין התא כבר שעה אחת לאחר שהוא נדבק בנגיף הרפס סימפלקס מסוג 1. המודל יכול לזהות את נוכחות הנגיף על ידי מציאת הבדלים קלים במידת הדוק של ה-DNA ארוז, מה שקורה כאשר וירוס מתחיל לשנות את מבנה גרעין התא.
"השיטה שלנו יכולה לזהות תאים שנדבקו בנגיף זמן קצר מאוד לאחר תחילת הזיהום. בדרך כלל, לוקח זמן לרופאים לזהות זיהום כי הם מסתמכים על תסמינים גלויים או שינויים גדולים יותר בגוף. אבל עם AINU, אנחנו יכולים לראות שינויים זעירים בגרעין התא באופן מיידי", אומר איגנסיו ארגנדה-קררס, מחבר שותף למחקר ושותף למחקר Ikerbasque ב-UPV/EHU ומזוהה עם FBB-Biofisika Institute ו-DIPC בסן סבסטיאן/דונוסטיה.
"חוקרים יכולים להשתמש בטכנולוגיה זו כדי לראות כיצד וירוסים משפיעים על תאים כמעט מיד לאחר שהם נכנסים לגוף, מה שיכול לעזור בפיתוח טיפולים וחיסונים טובים יותר. בתי חולים ומרפאות, ניתן להשתמש ב-AINU לאבחון מהיר של זיהומים מדגימת דם או רקמה פשוטה, מה שהופך את התהליך למהיר ומדויק יותר", מוסיפה לימיי ז'ונג, מחברת ראשית המחקר וחוקר בבית החולים העממי של מחוז גואנגדונג (GDPH) בגואנגג'ואו, סין.
הנחת היסוד למוכנות קלינית
החוקרים צריכים להתגבר על מגבלות חשובות לפני שהטכנולוגיה תהיה מוכנה להיבדק או לפריסה בסביבה קלינית. לדוגמה, ניתן לצלם תמונות STORM רק עם ציוד מיוחד שנמצא בדרך כלל רק במעבדות מחקר ביו-רפואי. הקמה ותחזוקה של מערכות ההדמיה הנדרשות על ידי ה-AI היא השקעה משמעותית הן בציוד והן במומחיות טכנית.
אילוץ נוסף הוא שהדמיית STORM מנתחת בדרך כלל רק כמה תאים בכל פעם. למטרות אבחון, במיוחד במסגרות קליניות שבהן מהירות ויעילות הן חיוניות, הרופאים יצטרכו ללכוד מספר רב יותר של תאים בתמונה אחת כדי להיות מסוגלים לזהות או לנטר מחלה.
"ישנן התקדמות מהירות רבות בתחום הדמיית STORM, מה שאומר שמיקרוסקופים עשויים להיות זמינים בקרוב במעבדות קטנות יותר או מתמחות פחות, ובסופו של דבר, אפילו במרפאה. מגבלות הנגישות והתפוקה הן בעיות שניתן לטפל בהן יותר ממה שחשבנו בעבר. אנו מקווים לבצע בקרוב ניסויים פרה-קליניים", אומר ד"ר קוסמה.
למרות שהיתרונות הקליניים עשויים להיות בעוד שנים, AINU צפויה להאיץ את המחקר המדעי בטווח הקצר. החוקרים גילו שהטכנולוגיה יכולה לזהות תאי גזע בדיוק גבוה מאוד. תאי גזע יכולים להתפתח לכל סוג של תא בגוף, יכולת המכונה פלוריפוטנטיות. תאים פלוריפוטנטיים נחקרים על הפוטנציאל שלהם בסיוע בתיקון או החלפת רקמות פגועות.
AINU יכול להפוך את התהליך של זיהוי תאים פלוריפוטנטיים למהיר ומדויק יותר, ולעזור להפוך את הטיפולים בתאי גזע לבטוחים ויעילים יותר. "השיטות הנוכחיות לאיתור תאי גזע באיכות גבוהה מסתמכות על ניסויים בבעלי חיים. עם זאת, כל מה שמודל הבינה המלאכותית שלנו צריך לעבוד הוא דגימה מוכתמת בסמנים ספציפיים המדגישים תכונות גרעיניות מרכזיות. בנוסף להיותה קלה ומהירה יותר, היא יכולה להאיץ מחקר בתאי גזע תוך כדי תרומה לשינוי בהפחתת השימוש בבעלי חיים במדע", אומר דויד קרנבאלי, המחבר הראשון של המחקר והחוקר ב-CRG.
