IBM-onderzoekers analyseren de celstructuur van borstkanker met behulp van AI

Borstkanker is de meest voorkomende kanker en de belangrijkste doodsoorzaak voor vrouwen in veel landen over de hele wereld, samen met long- en colorectale kanker. Volgens statistieken van het World Agency for Research on Cancer (IARC) uit 1998 stond borstkanker op de eerste plaats, goed voor 21% van alle kankergevallen bij vrouwen wereldwijd. En uit het laatste onderzoek blijkt dat 1 op de 8 volwassen vrouwen tijdens hun leven invasieve borstkanker zal ontwikkelen, en volgens de Wereldgezondheidsorganisatie zijn er vorig jaar wereldwijd 18,1 miljoen nieuwe gevallen en 9,6 miljoen sterfgevallen door borstkanker. Het is dus duidelijk dat borstkanker werkelijk een seriemoordenaar is, met een uiterst complex reactiemechanisme dat in de loop der jaren talloze onderzoeken heeft ondergaan naar de oorzaken, pathogenese en behandeling ervan, maar de verkregen resultaten zijn nog steeds relatief beperkt.

• Verbeter de effectiviteit van het beoordelen van depressie met AI-modellen

Momenteel verbetert de vroege detectie van borstkanker door middel van screening bij verder gezonde vrouwen de prognose en de algehele behandelresultaten aanzienlijk, en gelukkig worden er inspanningen geleverd bij Google. MIT en NYU om de nauwkeurigheid van borstkankerscreening te verbeteren met behulp van kunstmatige intelligentietechnologie hebben lovenswaardige successen geboekt , waardoor de mogelijkheden voor effectieve borstkankerscreening in de gemeenschap aanzienlijk groter worden. Een andere reus op het gebied van kunstmatige intelligentie – IBM – is de nieuwste naam die zich aansluit bij de strijd tegen borstkanker. In een blogpost gisteren hebben wetenschappers van het Zwitserse kantoor van IBM Zürich hun samenwerkingsproject met de Universiteit van Zürich beschreven om een ​​systeem te ontwikkelen dat is gebaseerd op kunstmatige intelligentie en dat tumoren, immuuncellen en de relaties tussen deze componenten kan identificeren en classificeren. Details van dit onderzoeksproject zijn gepubliceerd in het beroemde wetenschappelijke tijdschrift Cell.

“Terwijl onderzoekers en artsen over de hele wereld onvermoeibaar hebben gewerkt aan de ontwikkeling van nieuwe behandelingen om borstkanker te bestrijden, zijn uiteindelijk de belangrijkste redenen waarom kankergerelateerde sterfgevallen nog steeds te wijten zijn aan behandelingsresistentie, recidief en metastase. Ons doel in dit project is niets minder dan het leggen van de basis voor toekomstige nauwkeurige diagnose- en screeningmethoden, die patiënten kunnen helpen een hoger percentage te behalen in de strijd tegen deze kwade ziekte”, aldus mevrouw Marianna Rapsomaniki, hoofd van het onderzoeksteam van IBM.

• Google past AI toe bij het opsporen van oogziekten

Met dat doel voor ogen stelden mevrouw Rapsomaniki en haar collega's eerst de hypothese op dat borstkanker een heterogene ziekte is, dat wil zeggen dat het bestaat uit tumorcellen met verschillende kenmerken. Kenmerken die worden bepaald door de genetische structuur en worden beïnvloed door omgevingscommunicatie en interacties met niet-kankerachtige celtypen in het lichaam. het lichaam, zoals immuuncellen, fibroblasten (stromale cellen) en endotheelcellen (vasculaire cellen). Bovendien veronderstellen wetenschappers ook dat factoren in deze ‘ecosystemen’ verband kunnen houden met ziekteprogressie en het vermogen om op therapie te reageren.

Om hun idee te bewijzen selecteerde het team niet-tumormonsters van 144 patiënten en gebruikte massacytometrie - een variatie op de analytische methode flowcytometrie - om ongeveer 70 soorten eiwitten in meer dan 26 miljoen kanker- en immuuncellen te analyseren en te meten. Vervolgens gebruikten ze een op AI gebaseerde techniek om verschillende populaties tumoren en immuuncellen te identificeren, creëerden vervolgens een gedetailleerd diagram van het ‘borstkanker-ecosysteem’ en gebruikten dit nomogram om de heterogeniteit van individuele tumoren te identificeren, en hun aantal te kwantificeren. afwijkingen vergeleken met niet-tumorcellen.

• Het AI-model van MIT kan op zichzelf relaties tussen objecten vastleggen met minimale trainingsgegevens

Ten slotte voerden de onderzoekers analyses uit van tumor-geassocieerde macrofagen en T-celpopulaties (deze cellen kunnen zowel tumoronderdrukkende als ondersteunende functies vertonen) en koppelden vervolgens de bevindingen aan andere klinische informatie, waaronder de omvang van de ziekte of de agressiviteit van de tumor.

Na voltooiing van de experimentele stappen ontdekte het team dat kwaadaardige tumoren vaak worden gedomineerd door een unieke tumorcelmorfologie, en dat elke tumor ook uniek is in zijn cellulaire samenstelling. Hoe kwaadaardiger de tumoren zijn, hoe meer ze verschillen van de tumoren. rest. Daarnaast hebben wetenschappers ook overeenkomsten gevonden in het tumorgerelateerde immuunsysteem tussen kwaadaardige tumoren.

Het team is van mening dat dit werk zal bijdragen aan het leggen van de basis voor het ontwerp van behandelingen met precisiemedicijnen en laat zien dat immunotherapie een haalbare methode kan zijn voor vroege diagnose van bepaalde ziekten.

• Japanse kunstmatige intelligentie heeft superrealistische virtuele modemodellen gecreëerd

“Tijdens ons onderzoek hebben we gezien dat een one-size-fits-all benadering van kankerbehandeling niet altijd effectief is. Op basis van deze recente bevindingen zijn wij van mening dat een specifieke groep borstkankerpatiënten ook baat kan hebben bij immuuntherapie voor hun behandeling. In de toekomst zullen we het begrip van de haalbaarheid van immunotherapie bevorderen door middel van aanvullende onderzoeken, die mogelijk kunnen leiden tot een grootschalige klinische proef”, besluit mevrouw Marianna Rapsomaniki.