Com número de patologistas diminuindo, equipe desenvolve IA para ser usada como ferramenta de diagnóstico

uma. Uma visualização 2D dos vetores de recursos da imagem aplicando t-SNE. Cada ponto representa um único paciente no conjunto de teste BCCA. A incorporação do t-SNE mapeia pacientes com características de imagem semelhantes para pontos próximos e pacientes com características de imagem diferentes para pontos distantes. Os pontos são coloridos pelas pontuações de previsão PD-L1 de seus pacientes correspondentes. Os 8 pacientes que foram classificados como positivos pelo primeiro patologista e como baixo PS pelo sistema são marcados e suas classificações por ambos os patologistas são anotadas. b. As imagens TMA correspondentes ao embedding t-SNE são apresentadas. Vários exemplos de imagens de pontuação de predição baixa e alta são mostrados, para demonstrar as características observadas pelos patologistas. Exemplos de tecidos parcialmente ausentes são mostrados na parte inferior. Crédito: Natureza Comunicações (2022). DOI: 10.1038/s41467-022-34275-9

Uma em cada nove mulheres no mundo desenvolvido será diagnosticada com câncer de mama em algum momento de sua vida. A prevalência do câncer de mama está aumentando, um efeito causado em parte pelo estilo de vida moderno e aumento da expectativa de vida. Felizmente, os tratamentos estão se tornando mais eficientes e personalizados. No entanto, o que não está aumentando – na verdade está diminuindo – é o número de patologistas, ou seja, os médicos cuja especialidade é examinar os tecidos do corpo para fornecer o diagnóstico específico necessário para a medicina personalizada.

Uma equipe de pesquisadores do Technion-Israel Institute of Technology decidiu, portanto, transformar os computadores em assistentes efetivos dos patologistas, simplificando e melhorando o trabalho dos médicos humanos. Seu novo estudo foi publicado recentemente em Natureza Comunicações.

A tarefa específica que o Dr. Gil Shamai e Amir Livne, do laboratório do professor Ron Kimmel, da Faculdade de Ciência da Computação Henry e Marilyn Taub do Technion se propuseram a alcançar está dentro do domínio da imunoterapia. A imunoterapia vem ganhando destaque nos últimos anos como um tratamento eficaz, às vezes até revolucionário, para vários tipos de câncer. A base dessa forma de terapia é estimular o próprio sistema imunológico do corpo a atacar o tumor. No entanto, essa terapia deve ser personalizada, pois a medicação correta deve ser administrada aos pacientes que podem se beneficiar dela com base nas características específicas do tumor.

Múltiplos mecanismos naturais impedem que nosso sistema imunológico ataque nossos próprios corpos. Esses mecanismos são frequentemente explorados por tumores cancerígenos para escapar do sistema imunológico. Um desses mecanismos está relacionado à proteína PD-L1 – alguns tumores a exibem e ela age como uma espécie de senha ao convencer erroneamente o sistema imunológico de que o câncer não deve ser atacado. A imunoterapia específica para PD-L1 pode persuadir o sistema imunológico a ignorar essa senha específica, mas é claro que só seria eficaz quando o tumor expressasse o PD-L1.

É tarefa do patologista determinar se o tumor de um paciente expressa PD-L1. Marcadores químicos caros são usados ​​para corar uma biópsia retirada do tumor para obter a resposta. O processo não é trivial, demorado e, às vezes, inconsistente. Dr. Shamai e sua equipe adotaram uma abordagem diferente. Nos últimos anos, tornou-se uma prática aprovada pela FDA que as biópsias sejam escaneadas para que possam ser usadas para análise patológica digital. Amir Livne, Dr. Shamai e Prof. Kimmel decidiram ver se uma rede neural poderia usar essas varreduras para fazer o diagnóstico sem a necessidade de processos adicionais. “Eles nos disseram que não poderia ser feito”, disse a equipe, “então, é claro, tivemos que provar que eles estavam errados”.

As redes neurais são treinadas de maneira semelhante à forma como as crianças aprendem: elas são apresentadas com vários exemplos marcados. Uma criança vê muitos cachorros e várias outras coisas, e a partir desses exemplos forma uma ideia do que é “cachorro”. A rede neural desenvolvida pela equipe do Prof. Kimmel foi apresentada com imagens de biópsia digital de 3.376 pacientes que foram marcados como expressando ou não expressando PD-L1. Após a validação preliminar, foi solicitado determinar se as imagens adicionais de biópsia de ensaio clínico de 275 pacientes eram positivas ou negativas para PD-L1. Teve um desempenho melhor do que o esperado: para 70% dos pacientes, foi capaz de determinar a resposta com confiança e corretamente. Para os 30% restantes dos pacientes, o programa não conseguiu encontrar os padrões visuais que o capacitariam a decidir de um jeito ou de outro. Curiosamente, nos casos em que a inteligência artificial (IA) discordou da determinação do patologista humano, um segundo teste provou que a IA estava certa.

“Esta é uma conquista importante”, explicou o Prof. Kimmel. “As variações que o computador encontrou – elas não são distinguíveis ao olho humano. As células se organizam de maneira diferente se apresentarem PD-L1 ou não, mas as diferenças são tão pequenas que mesmo uma pessoa treinada patologista não pode identificá-los com segurança. agora nosso rede neural posso.”

Esta conquista é obra de uma equipa composta pelo Dr. Gil Shamai e pelo aluno de pós-graduação Amir Livne, que desenvolveu a tecnologia e concebeu as experiências, Dr. António Polónia do Instituto de Patologia e Imunologia Molecular da Universidade do Porto, Portugal, Prof. Edmond Sabo e Dra. Alexandra Cretu do Carmel Medical Center em Haifa, Israel, que são patologistas especialistas que conduziram a pesquisa, e com o apoio do Professor Gil Bar-Sela, chefe da divisão de oncologia e hematologia do Haemek Medical Center em Afula, Israel .

“É uma oportunidade incrível de reunir inteligência artificial e medicina”, disse o Dr. Shamai. “Adoro matemática, adoro desenvolver algoritmos. Ser capaz de usar minhas habilidades para ajudar as pessoas, para o avanço da medicina – é mais do que eu esperava quando comecei como estudante de ciência da computação.” Ele agora lidera uma equipe de 15 pesquisadores, que estão levando este projeto para o próximo nível.

“Esperamos que a IA se torne uma ferramenta poderosa nas mãos dos médicos”, compartilhou o Prof. Kimmel. “A IA pode ajudar a fazer ou verificar um diagnóstico, pode ajudar a adequar o tratamento ao paciente individual, pode oferecer um prognóstico. Não acho que possa – ou deva – substituir o médico humano. Mas pode fazer alguns elementos de trabalho dos médicos mais simples, mais rápido e mais preciso.”