Nova ferramenta de IA para ajudar a identificar células cancerígenas!

Os pesquisadores do Centro Médico da Universidade do Texas desenvolveram uma ferramenta que usa inteligência artificial para identificar células cancerígenas a partir de imagens de patologia digital – oferecendo aos médicos uma maneira poderosa de prever os resultados dos pacientes.

Uma nova maneira para identificar células cancerígenas

A distribuição espacial de diferentes tipos de células pode revelar um padrão de crescimento de câncer, sua relação com o microambiente circundante e a resposta imune do corpo. Mas o processo de identificação manual de todas as células em uma lâmina de patologia é extremamente trabalhoso e propenso a erros.

“Como geralmente existem milhões de células em uma amostra de tecido, um patologista pode analisar apenas algumas lâminas em um dia. Para fazer um diagnóstico, os patologistas geralmente examinam em detalhes apenas regiões ‘representativas’, em vez de toda a lâmina. No entanto, alguns detalhes importantes podem ser esquecidos por essa abordagem”, disse o Dr. Guanghua Xiao, autor do estudo e professor de ciências da Universidade do Texas.

“O cérebro humano, não é bom em pegar padrões morfológicos sutis. Portanto, um grande desafio técnico no estudo sistemático do microambiente tumoral é como classificar automaticamente diferentes tipos de células e quantificar suas distribuições espaciais”, acrescentou o Dr. Xiao.

Nova ferramenta de IA para ajudar a identificar células cancerígenas
Esta ilustração do fluxo de trabalho do software ConvPath mostra como o algoritmo AI reconhece automaticamente cada célula na imagem de patologia (imagem superior) como uma célula tumoral (laranja), célula estromal (verde) ou linfócito (azul) e depois converte a imagem em um mapa espacial (imagem do meio). Aglomerados de células tumorais são ainda identificados como regiões tumorais (áreas laranja na imagem inferior). Crédito: UTSW

O algoritmo de inteligência artificial desenvolvido pelo Dr. Xiao e sua equipe, chamado ConvPath, supera esses obstáculos usando a IA para classificar tipos de células a partir de imagens de patologia de câncer de pulmão.

Eis como funciona: O algoritmo ConvPath pode “olhar” para as células e identificar seus tipos com base em sua aparência nas imagens de patologia usando um algoritmo de IA que aprende com patologistas humanos. Esse algoritmo efetivamente converte uma imagem de patologia em um “mapa” que exibe as distribuições e interações espaciais de células tumorais, células estromais (ou seja, as células do tecido conjuntivo) e linfócitos (ou seja, os glóbulos brancos ) no tecido tumoral.

Se as células tumorais se agrupam bem ou se espalham para os linfonodos estromais é um fator que revela a resposta imune do corpo. Portanto, saber que as informações podem ajudar os médicos a personalizar os planos de tratamento e identificar a imunoterapia correta.

Por fim, o algoritmo ajuda os patologistas a obter a análise mais precisa das células cancerígenas – de uma maneira muito mais rápida.

“É demorado e difícil para os patologistas localizar regiões tumorais muito pequenas nas imagens de tecidos, de modo que isso pode reduzir bastante o tempo que os patologistas precisam gastar em cada imagem”, concluiu o Dr. Xiao.

 

_________________________

O estudo e os detalhes sobre a ferramente foi publicado na revista médica EBioMedicine.

* “ConvPath: A software tool for lung adenocarcinoma digital pathological image analysis aided by a convolutional neural network” – 2019.

Autores do estudo: Shidan Wanga, Tao Wanga, Lin Yanga, Donghan M. Yanga, Junya Fujimotof, Faliu Yia, Xin Luoa, Yikun Yangd, Bo Yaoa, ShinYi Lina, Cesar Morang, Neda Kalhorg, Annikka Weissferdtg, John Minnae, Yang Xiea, Ignacio I. Wistubaf, Yousheng Maod, Guanghua Xiao – 10.1016/j.ebiom.2019.10.033

4Medic

4Medic

As informações publicadas no site são elaboradas por redatores terceirizados não profissionais da saúde. Este site se compromete a publicar informações de fontes segura. Todos os artigos são baseados em artigos científicos, devidamente embasados.