Los investigadores han adoptado un nuevo enfoque de IA para analizar tumores

Los investigadores han adoptado un nuevo enfoque de IA para analizar tumores

Las ideas de la ecología comunitaria pueden complementar los métodos basados ​​en agrupaciones en la interpretación de datos histológicos múltiples. aC La agrupación puede identificar la arquitectura celular y fenotípica de los tejidos a partir de datos histológicos múltiples, pero puede malinterpretar la estructura de la interfaz de nicho de los tejidos. a Para dividir las secciones histológicas en nichos, se examinó la composición celular local en varios sitios de muestreo. Se agruparon sitios con composición celular similar y cada grupo se interpretó como un nicho histológico. bC La composición celular local no necesariamente forma grupos. b En tejidos con una interfaz pequeña, los sitios suelen estar dentro de un área específica y, por tanto, su composición celular se concentra por nicho. C Cuando los nichos tienen múltiples regiones de interfaz, los sitios a menudo cubren más de un nicho, de modo que la composición celular del sitio es una mezcla de ambos nichos. En consecuencia, en el caso de dos nichos, la composición celular de los sitios describe una parte lineal. Los sitios de la región central de un nicho determinado aparecen en los extremos del segmento, mientras que los sitios en el medio del segmento representan las regiones de interfaz. d El mapeo de fenotipos de nicho utiliza ideas de la ecología comunitaria para dividir automáticamente los tejidos en nichos y sus interfaces. Por ejemplo, la sección de tejido de cáncer de mama que se describe aquí presenta un nicho de cáncer y un nicho inflamatorio, separados por una interfaz cáncer-inflamatoria (1). A partir de esta división, la arquitectura fenotípica del tejido se resume en términos de tipos celulares -tumores, macrófagos,…- y fenotipos -CD45RO+, IDO+,…-asociados a diferentes nichos y sus interfaces (2) . Finalmente, se destacan las asociaciones nicho-fenotipo más fuertes identificadas de esta manera para respaldar la creación de nuevas hipótesis (3). Crédito: Comunicación en la naturaleza (2023). DOI: 10.1038/s41467-023-42878-z

Investigadores del Karolinska Institutet y SciLifeLab en Suecia han combinado técnicas de inteligencia artificial (IA) utilizadas en imágenes satelitales y ecología comunitaria para interpretar grandes cantidades de datos de tejido tumoral. El método, presentado en la revista. Comunicación en la naturalezapuede contribuir a un tratamiento más personalizado de los pacientes con cáncer.

Si bien los avances recientes en imágenes de tumores han proporcionado una mejor visión del mundo microscópico de los tumores, el desafío es interpretar la gran cantidad de datos generados. Con cientos de moléculas midiendo simultáneamente en decenas o cientos de miles de células, resulta difícil para los investigadores saber a qué moléculas y células apuntar.

En principio, los métodos de IA pueden ayudar a los investigadores a analizar este exceso de datos y determinar en qué centrarse. Sin embargo, la IA tradicional, como las redes neuronales profundas, a menudo realiza tareas sin proporcionar explicaciones claras que los humanos puedan entender. Los detalles de cómo funciona el proceso están ocultos o son de difícil acceso en la llamada caja negra.

El equipo de investigación del Karolinska Institutet y SciLifeLab reconoció las limitaciones de estos métodos y buscó inspiración en otros campos. Reconocen técnicas analíticas bien establecidas en imágenes satelitales y ecología que se remontan a los años 2000 y 1950, respectivamente.

Similar a la interpretación de imágenes de satélite.

Continuamente se desarrollan nuevos métodos de IA para interpretar datos de imágenes de satélite, por ejemplo, para identificar automáticamente ciudades, lagos, bosques y desiertos dentro de grandes imágenes de satélite. En ecología, se utilizan técnicas avanzadas para revelar cómo las especies de plantas, animales y microorganismos viven como comunidades dentro de un área geográfica determinada.

«Nos dimos cuenta de que la interpretación de las imágenes de tumores es similar a la interpretación de las imágenes de satélite y que las relaciones entre las células de un tejido son similares a las relaciones entre especies en ecología», explica Jean Hausser, investigador principal del Departamento de Investigación Celular y Molecular. . Biología, Karolinska Institutet, liderando la investigación. «Al combinar técnicas utilizadas en imágenes satelitales y ecología y adaptarlas para el análisis de tejido tumoral, ahora podemos convertir datos complejos en nuevos conocimientos sobre cómo funciona el cáncer».

El siguiente paso es utilizar el nuevo método en ensayos clínicos. Los investigadores colaboraron con un importante hospital oncológico de Lyon, Francia, para encontrar respuestas a por qué tan pocos pacientes responden a la inmunoterapia contra el cáncer. En otra colaboración con la Clínica Mayo de EE.UU., investigaron por qué algunas pacientes con cáncer de mama no necesitan quimioterapia.

«Con nuestro nuevo método, podemos revelar detalles importantes del tejido tumoral que pueden determinar si el tratamiento contra el cáncer funciona o no. El objetivo a largo plazo es poder adaptar los tratamientos contra el cáncer a las necesidades individuales y evitar efectos secundarios innecesarios», afirmó Jean Hausser. .

Más información:
Anissa El Marrahi et al, NIPMAP: mapeo de fenotipo de nicho de datos de histología múltiple a través de la ecología comunitaria, Comunicación en la naturaleza (2023). DOI: 10.1038/s41467-023-42878-z

Proporcionado por el Instituto Karolinska

Citación: Los investigadores utilizan un nuevo método de IA para analizar tumores (2023, 13 de noviembre) recuperado el 27 de diciembre de 2023 de https://medicalxpress.com/news/2023-11-ai- approach-tumors.html

Este documento está sujeto a derechos de autor. Excepto en el caso de trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin permiso por escrito. El contenido se proporciona únicamente con fines informativos.

Deja un comentario