IA usada para analisar amostras de câncer para melhorar os resultados do tratamento

Uma nova maneira de usar a inteligência artificial (IA) para analisar milhares de amostras de câncer de pacientes foi desenvolvida por cientistas do Instituto de Pesquisa Médica Infantil (CMRI) em uma colaboração internacional publicada na revista Descoberta do câncer.

O Programa de Pesquisa do Câncer de Procan na RMI está analisando milhares de diferentes tipos de proteínas (proteoma) nos cânceres de infância e adultos para ajudar os médicos de câncer a combinar seus pacientes com o melhor tratamento disponível. Eles estão um passo mais perto dessa meta com este estudo que envolve 30 grupos de pesquisa colaboradores em seis países (Áustria, Austrália, Canadá, Grécia, Espanha e EUA) e dados proteômicos do câncer obtidos pela equipe do Procan de 7.525 cânceres, que é o maior conjunto de proteomas de câncer gerados em um único centro.

A razão pela qual o tamanho do conjunto de dados é importante é que prever como um câncer se comportará com base no proteoma, incluindo como o câncer responderá ao tratamento, requer técnicas computacionais avançadas. Isso inclui a IA, que precisa ser treinado em grandes conjuntos de dados que incluem o proteoma e as informações clínicas sobre o paciente. No entanto, os regulamentos de privacidade de dados e outras restrições à transferência de dados entre os limites geográficos tornam um desafio reunir grandes conjuntos de dados do paciente, especialmente quando vários países estão envolvidos.

A equipe do Procan mostrou como esse problema pode ser superado simulando a situação em que a permissão é dada para usar dados proteômicos e clínicos, mas com acesso muito restrito.

Usando uma técnica de IA chamada Federated Deep Learning, eles treinaram modelos de IA em conjuntos de dados armazenados em vários sites locais mantidos atrás dos firewalls. Em vez de compartilhar dados clínicos, esses modelos de IA foram enviados a um servidor central para atualizar um modelo global. A repetição desse processo várias vezes resultou em um teste de diagnóstico que possui essencialmente a mesma precisão que quando os dados foram reunidos em um banco de dados centralizado.

O professor Roger Reddel, um autor sênior da publicação, disse: “Foi um momento muito emocionante quando vimos pela primeira vez que os resultados de dados com acesso altamente restrito eram tão precisos quanto os resultados obtidos quando todos os dados foram armazenados em um só lugar”.

Além disso, este trabalho superou outro problema em relação aos dados proteômicos que dificultaram a criação de grandes conjuntos de dados. Diferentes instituições de pesquisa usam métodos diferentes para obter dados proteômicos de amostras de câncer, e essa é uma grande barreira para a combinação de dados proteômicos de diferentes centros de pesquisa.

Como parte da pesquisa relatada nesta publicação, a equipe mostrou que o aprendizado profundo federado possibilitou combinar com êxito os dados proteômicos gerados na ACM a partir das 7.525 amostras de câncer com dados proteômicos gerados em outras instituições de pesquisa com diferentes técnicas, e isso melhorou ainda mais a precisão do diagnóstico de câncer.

Esses avanços acelerarão a conquista da missão de Procan de usar dados proteômicos para melhorar os resultados para pacientes com câncer.

O professor Reddel disse: “O objetivo do Programa de Pesquisa Procan da CMRI é desenvolver testes proteômicos que ajudarão os médicos de câncer a escolher o melhor tratamento disponível para cada um de seus pacientes. Ao superar várias barreiras importantes para a montagem e análise de grandes conjuntos de dados proteômicos de câncer, fizemos um grande passo para alcançar essa meta”.

Fornecido pelo Instituto de Pesquisa Médica Infantil