Os pesquisadores de tecnologia e câncer do Noroeste do Pacífico estão lançando publicamente uma ferramenta de IA que pode realizar análises sofisticadas de tumores em uma fração do tempo e do custo dos métodos existentes, potencialmente disponibilizando insights de ponta sobre o câncer para muito mais pacientes.
O modelo GigaTIME usa inteligência artificial para gerar virtualmente dados detalhados do sistema imunológico a partir de lâminas patológicas padrão – análises que normalmente exigiriam dias de trabalho de laboratório e milhares de dólares por amostra.
A descoberta poderá acelerar a mudança para a medicina de precisão, onde os tratamentos são adaptados à biologia específica do cancro de cada paciente, disse Hoifung Poongerente geral do programa Real-World Evidence da Microsoft Research.
Os slides de patologia tradicionais mostram células tumorais e imunológicas, mas oferecem informações limitadas sobre se o sistema imunológico de um paciente está combatendo ativamente o câncer. Uma técnica mais sofisticada chamada análise de imunofluorescência multiplex (mIF) examina de perto o microambiente do tumor, acrescentando informações sobre se as células imunológicas estão funcionando com base nas proteínas presentes.
Mas a análise do MIF “apenas para uma amostra pode facilmente levar dias e custar milhares de dólares”, disse Poon, limitando severamente a sua utilização nos cuidados de rotina.
O GigaTIME contorna esse gargalo gerando informações virtualmente, simplesmente analisando lâminas patológicas padrão.
“GigaTIME trata de desbloquear insights que antes estavam fora de alcance”, disse Dr.Carlo Bifulcodiretor médico da Providence Genomics e diretor médico do Providence Cancer Institute.
O projeto reúne pesquisadores de Microsoft; Providência instalações em Renton, Washington e Portland; e a Escola Paul G. Allen de Ciência da Computação e Engenharia da Universidade de Washington. Eles estão publicando um estudo revisado por pares hoje na revista Célula e liberando a ferramenta on-line gratuitamente em Abraçando o rosto, GitHub e Fundição Microsoft.
O trabalho reflete os esforços crescentes da área de Seattle para integrar conjuntos complexos de dados de saúde usando IA para facilitar avanços na saúde e na medicina. O Allen Institute lançou no mês passado a Brain Knowledge Platform para pesquisas em neurociências, enquanto a startup de biotecnologia Synthesize Bio construiu ferramentas para projetar experimentos e prever seus resultados usando dados disponíveis publicamente. E o Fred Hutch Cancer Center ajudou a produzir um modelo de compartilhamento de dados que protege a privacidade por meio da Cancer AI Alliance.
A escala do projeto GigaTIME é gigante:
- Os pesquisadores treinaram o modelo em um conjunto de dados de Providence de 40 milhões de células, combinando lâminas de patologia com dados de mIF examinando 21 proteínas diferentes.
- Eles aplicaram o GigaTIME a amostras de 14.256 pacientes com câncer em 51 hospitais e mais de 1.000 clínicas no sistema Providence.
- O trabalho produziu uma população virtual de aproximadamente 300.000 imagens mIF que cobrem 24 tipos de câncer e 306 subtipos de câncer.
Poon tem ambições ainda maiores, que incluem combinar dados coletados de amostras de células e biópsias, além de relatórios de radiologia tomográfica, ressonância magnética e outros diagnósticos para criar uma imagem mais holística de um paciente. Estes modelos avançados poderiam oferecer previsões sobre como uma doença pode progredir ou responder ao tratamento.
As novas ferramentas poderão um dia ajudar a reduzir os enormes custos e tempo associados aos ensaios clínicos, fornecendo melhores informações para a seleção de candidatos a medicamentos e a conceção de estudos.
O objetivo é tornar os cuidados avançados contra o câncer mais eficazes e mais amplamente acessíveis.
“Pessoalmente sou tendencioso, mas penso que não pode haver um momento mais emocionante do que este”, disse Poon, apontando para a convergência das capacidades de IA e dos registos médicos digitais como “duas forças realmente poderosas”.
Os autores do artigo “IA multimodal gera população virtual para modelagem de microambiente tumoral” são Jeya Maria Jose Valanarasu, Hanwen Xu, Naoto Usuyama, Chanwoo Kim, Cliff Wong, Peniel Argaw, Racheli Ben Shimol, Angela Crabtree, Kevin Matlock, Alexandra Q. Bartlett, Jaspreet Bagga, Yu Gu, Sheng Zhang, Tristan Naumann, Bernard A. Fox, Bill Wright, Ari Robicsek, Brian Piening, Carlo Bifulco, Sheng Wang e Hoifung Poon.
