SISH, algoritmul AI care poate identifica formele rare de cancer din imagini de înaltă rezoluție moleculară ale biopsiilor
SISH (Self-Supervised Image Search for Histology) este un algoritm bazat pe inteligență artificială, care acționează precum un motor de căutare în baze de date vaste care conțin imagini histopatologice, capabil să identifice forme rare de boală. Sistemul, caracterizat de faptul că poate „învăța” singur, fără supraveghere, s-a dovedit a fi o soluție rapidă, precisă și scalabilă în recunoașterea anumitor zone de interes din imaginile histopatologice relevante pentru diagnostic. Mai mult decât atât, SISH are potențialul de a ajuta medicii în identificarea precisă a pacienților care ar putea beneficia de un anumit tip de tratament, precum și de a prezice rezultatele studiilor clinice care au un număr limitat de probe.
Algoritmul a fost dezvoltat de către oamenii de știință de la Brigham and Women’s Hospital, iar performanțele sale au fost publicate în jurnalul Nature Biomedical Engineering. SISH identifică diverse particularități din imaginile histopatologice (obținute cu sisteme WSI, whole-slide imaging systems), pe baza cărora determină forma de boală, în același timp în care ajută și medicii să aleagă cea mai eficientă formă de tratament pentru fiecare caz în parte. Una din caracteristicile principale ale modelului este faptul că își menține aceeași viteză de căutare indiferent de dimensiunea bazei de date imagistice în care acționează.
În epoca digitală, cele mai multe sisteme de sănătate au adoptat soluții tehnologice de nouă generație și, ca atare, stocarea probelor tumorale, în cele mai multe cazuri, se realizează cu ajutorul sistemelor Whole Slide Imaging sau de microscopie virtuală. Tehnica presupune scanarea propriu-zisă a probelor, la nivel microscopic, și crearea unei imagini digitale de rezoluție foarte înaltă. Cu toate că în acest mod poate fi stocat un număr vast de date imagistice, dimensiunea foarte mare a bazelor de date create îngreunează accesul prin metode obișnuite la informațiile medicale.
Acesta este, de altfel, și unul dintre motivele care au stat la baza dezvoltării algoritmului de inteligență artificială SISH. Studiul care a urmărit performanțele algoritmului a inclus zeci de mii de date imagistice WSI de la peste 22.000 de cazuri, conținând mai mult de 50 de tipuri diferite de boli, din peste 12 situsuri anatomice. Oamenii de știință au urmărit viteza și capacitatea modelului de a repera informații despre subtipul bolii, atât pentru formele comune, cât și pentru formele rare de cancer. Conform rezultatelor, viteza reperării imaginilor din bazele de date, precum și identificarea subtipului de boală au depășit cu mult alte metode utilizate. În plus, viteza de identificare s-a menținut constantă indiferent de dimensiunea bazelor de date.
„Demonstrăm că sistemul nostru poate ajuta la diagnosticarea bolilor rare și poate găsi cazurile care prezintă caracteristici morfologice similare, fără a fi nevoie de antrenarea lui supervizată. Sistemul are potențialul de a îmbunătăți pregătirea patologică, subtiparea bolilor, identificarea tumorilor și identificarea morfologiilor rare. O direcție ulterioară de dezvoltare în această zonă ar fi indicarea cazurilor care implică utilizarea concomitentă a histopatologiei, radiologiei, genomicii și a dosarelor electronice ale pacienților pentru a identifica mai ușor pacienți cu cazuri similare” – afirmă autorul studiului, Prof. Faisal Mahmood, Departamentul de Patologie din cadrul Brigham and Women’s Hospital.
Cu toate că SISH poate depista cazurile care au caracteristici morfologice asemănătoare și să ajute la diagnosticarea cazurilor rare de cancer, modelul prezintă și o serie de limitări. Printre cele mai comune puncte slabe se numără nevoia de foarte multă memorie și faptul că este limitat la o singură reprezentare imagistică. În acest sens, autorii studiului văd numeroase direcții viitoare de cercetare și îmbunătățire a modelului, precum utilizarea concomitentă a informațiilor histopatologice, radiologice, genomice și a datelor din dosarele electronice ale pacienților.
Citește și:
- 20% din biopsiile pentru cancerul de sân ar putea fi evitate utilizând un algoritm AI pentru interpretarea RMN
- STUDIU. Propriul smartphone ar putea deveni instrumentul ideal pentru monitorizarea nivelului de oxigen din sânge oriunde, oricând
- PAN-CANCER AI: integrarea datelor histologice şi genomice creşte acurateţea determinării prognosticului pacienţilor cu cancer