מחקר שפורסם לאחרונה ב Nature Machine Intelligence מציג מודל בינה מלאכותית מתקדמת (AI) המסוגל ליצור צבעים וירטואליים של רקמת סרטן. המחקר, בהובלת מדענים מאוניברסיטאות לוזאן וברן, הוא צעד גדול קדימה לשיפור ניתוח הפתולוגיה והאבחון של סרטן.
באמצעות שילוב של טכניקות חישוביות חדשניות, צוות של מדעני מחשב, ביולוגים וקלינאים בראשות מריאנה רפסומאניקי מאוניברסיטת לוזאן ומריאנה קרויטהוף-דה חוליו מאוניברסיטת ברן פיתח גישה חדשה לניתוח רקמות סרטן. מונעים על ידי המוטיבציה להתגבר על נתונים ניסויים חסרים, אתגר שחוקרים מתמודדים איתו לעתים קרובות כאשר עובדים עם רקמות מטופלות מוגבלות, המדענים יצרו את "VirtualMultiplexer": מודל בינה מלאכותית (AI) שיוצר תמונות וירטואליות של צבעי רקמות אבחנתיות.
צביעה וירטואלית: גבול חדש בחקר הסרטן
באמצעות AI גנראטיבי, הכלי יוצר תמונות מדויקות ומפורטות של רקמת סרטן המחקה איך תיראה הצביעה שלה עבור סמן סלולרי נתון. צבעים ספציפיים כאלה יכולים לספק מידע חשוב על מצב הסרטן של החולה ולמלא תפקיד מרכזי באבחון. "הרעיון הוא שאתה צריך רק צביעת רקמה אמיתית אחת שמתבצעת במעבדה כחלק מהפתולוגיה השגרתית, כדי לדמות אילו תאים ברקמה זו יצבעו חיובי עבור מספר סמנים אחרים, ספציפיים יותר", מסבירה מריאנה רפסומאניקי, מחשב מדען ומומחה בינה מלאכותית במרכז למדעי הנתונים הביו-רפואיים של אוניברסיטת לוזאן ובית החולים האוניברסיטאי לוזאן, ומחבר שותף למחקר.
הטכנולוגיה מפחיתה את הצורך בביצוע ניתוחי מעבדה עתירי משאבים ונועדה להשלים מידע המתקבל מניסויים. "המודל שלנו יכול להיות מאוד מועיל כאשר חומרי הרקמה הזמינים מוגבלים, או כאשר לא ניתן לבצע צביעה ניסיונית מסיבות אחרות", מוסיף Pushpak Pati, המחבר הראשון של המחקר.
הבנת השיטה: תרגום לא מזווג קונטרסטי
כדי להבין את המתודולוגיה הבסיסית המכונה תרגום לא מזווג ניגודיאפשר לדמיין אפליקציית טלפון נייד שחוזה איך אדם צעיר יראה בגיל מבוגר יותר. בהתבסס על תמונה נוכחית, האפליקציה מייצרת תמונה וירטואלית המדמה את המראה העתידי של אדם. זה משיג זאת על ידי עיבוד מידע מאלפי תמונות של אנשים מבוגרים אחרים, לא קשורים. כפי שהאלגוריתם לומד "איך נראה אדם זקן"הוא יכול להחיל את השינוי הזה על כל תמונה נתונה.
באופן דומה, ה-VirtualMultiplexer הופך תמונה של צבע אחד המבדיל באופן נרחב אזורים שונים ברקמה סרטנית לתמונות המתארות אילו תאים ברקמה זו צובעים חיובי עבור מולקולת סמן נתונה. זה מתאפשר על ידי אימון מודל הבינה המלאכותית על מספר רב של תמונות של רקמות אחרות, שעליהן נעשו הצבעים הללו בניסוי. לאחר שלמדו את ההיגיון המגדיר תמונה צבועה מהחיים האמיתיים, ה-VirtualMultiplexer מסוגל להחיל את אותו סגנון על תמונת רקמה נתונה וליצור גרסה וירטואלית של הצבע הרצוי.
מניעת הזיות: הבטחת ביצועים ורלוונטיות קלינית
המדענים יישמו תהליך אימות קפדני כדי להבטיח שהתמונות הוירטואליות הן בעלות משמעות קלינית ולא רק פלטים שנוצרו על ידי בינה מלאכותית שנראים סבירים אלא שהם למעשה המצאות שווא, המכונה הזיות. הם בדקו עד כמה התמונות המלאכותיות מנבאות תוצאות קליניות, כמו הישרדות חולים או התקדמות המחלה, בהשוואה לנתונים קיימים מרקמות מוכתמות מהחיים האמיתיים. ההשוואה אישרה שהצבעים הווירטואליים לא רק מדויקים אלא גם שימושיים קלינית, מה שמראה שהמודל אמין ואמין.
מעמיקים יותר, החוקרים לקחו את ה-VirtualMultiplexer למה שנקרא מבחן טיורינג. על שם האב המייסד של הבינה המלאכותית המודרנית, אלן טיורינג, מבחן זה קובע אם בינה מלאכותית יכולה להפיק תפוקות שאין להבדיל מאלה שנוצרו על ידי בני אדם. על ידי בקשת פתולוגים מומחים להבדיל בין תמונות מוכתמות מסורתיות לצבעים שנוצרו בינה מלאכותית, המחברים גילו שהיצירות המלאכותיות נתפסות כקרוב לזהות לתמונות אמיתיות, מה שמראה את יעילות הדגם שלהם.
גישה רב קנה מידה: התקדמות גדולה
אחת מפריצות הדרך העיקריות המייחדות את VirtualMultiplexer היא הגישה הרב-סקאלית שלו. מודלים מסורתיים מתמקדים לעתים קרובות בבדיקת הרקמה בקנה מידה מיקרוסקופי (ברמת התא) או מקרוסקופית (רקמה כוללת). המודל שהוצע על ידי הצוות מלוזאן וברן מתייחס לשלושה קנה מידה שונים של מבנה רקמה סרטנית: המראה והארכיטקטורה הגלובלית שלה, היחסים בין תאים שכנים ומאפיינים מפורטים של תאים בודדים. גישה הוליסטית זו מאפשרת ייצוג מדויק יותר של תמונת הרקמה.
השלכות על חקר הסרטן ומעבר לכך
המחקר מסמן התקדמות משמעותית במחקר האונקולוגי, המשלים את הנתונים הניסויים הקיימים. על ידי יצירת צביעות מדומה באיכות גבוהה, ה-VirtualMultiplexer יכול לעזור למומחים לגבש השערות, לתעדף ניסויים ולקדם את הבנתם בביולוגיה של הסרטן. מריאנה קרויטהוף-דה חוליו, ראש המעבדה לחקר אורולוגיה באוניברסיטת ברן, ומחברת שותפה למחקר, רואה פוטנציאל חשוב ליישומים עתידיים: "פיתחנו את הכלי שלנו באמצעות רקמות מאנשים שנפגעו מסרטן הערמונית. במאמר הראינו גם שהוא עובד בצורה דומה עבור גידולי לבלב – מה שגורם לנו להיות בטוחים שהוא יכול להיות שימושי עבור סוגי מחלות רבים אחרים."
לגישה החדשנית יש גם פוטנציאל לתמוך במה שנקרא מודלים של AI יסוד במחקרים ביולוגיים. כוחם של מודלים כאלה הוא היכולת שלהם ללמוד באמצעות עיבוד של כמויות אדירות של נתונים בפיקוח עצמי, המאפשר להם להבין את ההיגיון מאחורי מבנים מורכבים ולרכוש את היכולת לבצע סוגים שונים של משימות.
הנתונים הזמינים עבור רקמות נדירות הם נדירים. ה-VirtualMultiplexer יכול למלא את הפערים הללו על ידי יצירת תמונות ריאליסטיות במהירות וללא עלות, ובכך לסייע למודלים עתידיים של בסיס לנתח ולתאר מאפייני רקמה במספר דרכים שונות. זה יסלול את הדרך לגילויים חדשים במחקר ובאבחון".
מריאנה רפסומאניקי, אוניברסיטת לוזאן
