A ferramenta acionada por IA acelera o diagnóstico de câncer com imagem celular precisa

Uma equipe de pesquisa liderada pelo professor Kevin Tsia, diretor de programa do Programa de Engenharia Biomédica sob a Faculdade de Engenharia da Universidade de Hong Kong (HKU), desenvolveu uma ferramenta de imagem acionada por IA que permite um diagnóstico rápido e preciso de pacientes com câncer, bastante melhorar a eficácia de seu tratamento médico.

Em uma colaboração conjunta com a Faculdade de Medicina Li Ka Shing da HKU (HKUMED) e o Hospital Queen Mary, a equipe liderada pelo professor Tsia, demonstrou com sucesso o uso efetivo de seu mais recente método generativo de IA, a distilação adversária da cyto-morfologia (Cytomad), em pacientes com câncer de pulmão, bem como nos testes de drogas.

Combinada com sua tecnologia microfluídica proprietária, a Cytomad permite a imagem “sem rótulo” rápida e econômica de células humanas para ajudar os médicos a avaliar o tumor de um paciente na precisão de células individuais e também determinar se os pacientes têm o risco de metástase.

O Cytomad usa a IA para corrigir automaticamente as inconsistências de imagens de células, aprimorar as imagens celulares e extrair informações anteriormente indetectáveis ​​das imagens celulares. Essa capacidade geral em Cytomad garante análise e diagnóstico de dados a jusante precisos e confiáveis. As capacidades da Cytomad têm o potencial de revolucionar a imagem celular para uma análise significativa das propriedades celulares e informações relacionadas à saúde e à doença.

“Até agora, não havia uma técnica econômica para fazer uma análise de célula única através da imagem principalmente por causa da limitação da escala. Sob os métodos tradicionais, a taxa de transferência de imagem não é rápida o suficiente e as imagens celulares não são claras e informativas o suficiente, “Disse o professor Tsia.

A equipe colaborou com o professor James Ho, do Departamento de Medicina da Escola de Medicina Clínica, e o professor Michael Hsin, do Departamento de Cirurgia da Escola de Medicina Clínica da HKUMED. A pesquisa foi publicada recentemente em um artigo intitulado “Informações distribuídas de perfil morfológico sem rótulos que codifica a heterogeneidade celular” na revista Ciência Avançada.

Descobrindo informações celulares

Diante do desafio da baixa visibilidade das amostras de células colocadas sob o microscópio, os médicos geralmente recorrem ao método usual de aplicar manchas e rótulos às amostras. Mas essa abordagem é demorada e longe de econômica no processo pesado. Isso também significa que os pacientes precisam esperar por um período de tempo antes que os resultados de sua análise celular, por exemplo, através de amostras de sangue, sejam conhecidas.

Uma vantagem importante da tecnologia de IA do professor Tsia é que ela é “sem rótulo”, exigindo menos etapas para preparar amostras de pacientes ou células. Isso economiza muito tempo e mão de obra, aumentando a velocidade e a eficiência do processo de diagnóstico e descoberta de medicamentos. “Usamos a tecnologia generativa de IA para renderizar imagens muito mais claras com informações úteis, como se um tratamento teve um efeito positivo”, afirmou.

O Cytomad permite que a tradução simultânea de contraste de imagem sem rótulo revele informações celulares adicionais. “Nosso trabalho se concentra principalmente nas modalidades de imagem sem rótulo (ou seja, tradução de campo de campo brilhante (BF) para a imagem quantitativa da imagem (QPI)) devido ao seu crescente significado na biomedicina nos últimos anos.

“Uma imagem de célula de campo brilhante clássico normalmente parece uma foto vaga cheia de bolhas desmaiadas dispersas-agora perto de informativas para uma análise significativa das propriedades celulares e, portanto, as informações relacionadas à saúde e da doença. No entanto, Cytomad, como um modelo generativo de IA, pode ser treinado para extrair as informações relacionadas a propriedades mecânicas e informações moleculares das células que eram indetectáveis ​​ao olho humano em uma imagem de campo brilhante.

“Em outras palavras, poderíamos descobrir propriedades importantes das células que sustentam as funções das células, ignorando o uso de marcadores de fluorescência padrão e suas limitações em custos e tempo”, explicou a Dra. Michelle Lo, pesquisadora de pós -doutorado no Departamento de Engenharia Elétrica e Eletrônica da Faculdade de Engenharia, que é o principal desenvolvedor da Cytomad neste projeto.

Diagnóstico imparcial

A nova abordagem também aborda o desafio do “efeito em lote” – variações técnicas comuns não ditas decorrentes de diferentes lotes e condições experimentais, como diferenças nas configurações de instrumentos ou protocolos de aquisição de imagens, impedindo a interpretação biológica genuína da morfologia celular.

As soluções atuais, incluindo aquelas baseadas em técnicas de aprendizado de máquina, geralmente requerem diferentes tipos de conhecimento ou suposições a priori sobre os dados, tornando -os não generalizáveis ​​o suficiente para serem facilmente adotados em diferentes aplicações. “Nosso modelo de IA não requer a necessidade de nenhuma suposição. Portanto, permite a análise e o diagnóstico imparcial da imagem celular”.

Esse poderoso modelo de aprendizado profundo se beneficia da tecnologia de imagem óptica ultra-rápida, que também foi desenvolvida pela equipe do professor Tsia. “Essa tecnologia nos permite capturar imagens de células em grande velocidade. Todos os dias, dezenas de milhões de imagens podem ser geradas. Portanto, alavancando esse sistema único, estamos em uma posição única, entre muitas inovações de IA, para acelerar a AI avançada de P&D – do treinamento, otimização à implantação “, observou o professor Tsia.

O uso de Cytomad não se limita apenas a pacientes com câncer de pulmão, embora o câncer de pulmão continue sendo um dos principais assassinos entre todas as doenças do câncer em todo o mundo e é o risco de câncer no número 1. Isso poderia reduzir o processo de triagem de medicamentos muitas vezes, através da adoção do “método livre de etiquetas” que economiza tempo, bem como suas vantagens de imagem de alta velocidade e função diagnóstica alimentada por IA generativa.

Olhando para o futuro, um objetivo privilegiado é treinar o modelo para permitir que os médicos prevejam o câncer ou outras doenças para pacientes em potencial. “Fazer previsões com base em uma grande quantidade de dados é o aspecto mais poderoso do aplicativo de IA na biomedicina”, disse o professor Tsia.

A equipe do professor Tsia solicitou financiamento para pesquisas para realizar ensaios clínicos em pacientes com câncer de pulmão durante um período de três anos. “Planejamos acumular dados adequados e acompanhar o progresso dos pacientes usando nossa tecnologia de imagem e IA”.