Pacific Northwest-technologie en kankeronderzoekers brengen publiekelijk een hulpmiddel voor kunstmatige intelligentie uit dat geavanceerde tumoranalyses kan uitvoeren in een fractie van de tijd en kosten van bestaande methoden, waardoor geavanceerde kankerinformatie mogelijk voor veel meer patiënten beschikbaar wordt.
Het GigaTIME-model maakt gebruik van kunstmatige intelligentie om virtueel gedetailleerde immuunsysteemgegevens te genereren uit standaard pathologiedia’s, analyses waarvoor normaal gesproken dagen laboratoriumwerk en duizenden dollars per monster nodig zijn.
De doorbraak zou de overstap naar precisiegeneeskunde kunnen versnellen, waarbij behandelingen worden afgestemd op de specifieke biologie van de kanker van elke patiënt Hoifung Poonalgemeen directeur van het Real-World Evidence-programma van Microsoft Research.
Traditionele pathologiedia’s tonen tumor- en immuuncellen, maar bieden beperkte informatie over het vermogen van het immuunsysteem van een patiënt om kanker actief te bestrijden. Een meer geavanceerde techniek, multiplex immunofluorescentie (mIF)-analyse genaamd, kijkt nauwkeurig naar de micro-omgeving van de tumor en voegt informatie toe over hoe immuuncellen functioneren op basis van de aanwezige eiwitten.
Maar MIF-analyse “voor slechts één monster kan gemakkelijk dagen duren en duizenden dollars kosten”, zei Poon, waardoor het gebruik ervan in de routinematige zorg ernstig werd beperkt.
GigaTIME omzeilt dit knelpunt door vrijwel eenvoudig informatie te genereren door standaard pathologieglaasjes te analyseren.
“GigaTIME heeft tot doel inzichten te ontsluiten die voorheen onbereikbaar waren”, zei hij Dr.Carlo Bifulcomedisch directeur van Providence Genomics en medisch directeur van het Providence Cancer Institute.
Het project brengt onderzoekers uit Microsoft; Voorzienigheid faciliteiten in Renton, Washington en Portland; en de Paul G. Allen School of Computer Science and Engineering aan de Universiteit van Washington. Ze publiceren vandaag een peer-reviewed onderzoek in het tijdschrift Cel en de tool gratis online vrijgeven op Knuffelend gezicht, GitHub EN Microsoft-gieterij.
Vorig jaar de drie instellingen uitgegeven GigaPath, een model voor de diagnose van kanker.
De initiatieven maken deel uit van de groeiende inspanningen in de regio Seattle om complexe gezondheidszorgdatasets te integreren met behulp van kunstmatige intelligentie om medische vooruitgang te vergemakkelijken. Het Allen Institute heeft het bestand vorige maand vrijgegeven Hersenkennisplatform voor neurowetenschappelijk onderzoek, terwijl de biotech-startup Synthesize Bio er tools voor heeft ontwikkeld experimenten ontwerpen en de resultaten ervan voorspellen gebruikmaken van openbaar beschikbare gegevens. En het Fred Hutch Cancer Center hielp bij het ontwikkelen van een model voor het beschermen van privacy en het delen van gegevens via de AI Kankeralliantie.
De omvang van het GigaTIME-project is gigantisch:
- De onderzoekers trainden het model op een Providence-dataset van 40 miljoen cellen, waarbij pathologiedia’s werden gecombineerd met mIF-gegevens die 21 verschillende eiwitten onderzochten.
- Ze pasten GigaTIME toe op monsters van 14.256 kankerpatiënten in 51 ziekenhuizen en meer dan 1.000 klinieken in het Providence-systeem.
- Het werk produceerde een virtuele populatie van ongeveer 300.000 mIF-beelden die 24 kankertypes en 306 kankersubtypes bestrijken.
Poon heeft zelfs nog grotere ambities, waaronder het samenvoegen van gegevens verzameld uit cel- en biopsiemonsters, plus CT-radiologierapporten, MRI en andere diagnostische hulpmiddelen om een meer holistisch beeld van een patiënt te creëren. Deze geavanceerde modellen kunnen mogelijk voorspellingen doen over hoe een ziekte zich kan ontwikkelen of hoe deze op de behandeling zal reageren.
Nieuwe instrumenten zouden op een dag kunnen helpen de grote kosten en tijd die gepaard gaan met klinische onderzoeken binnen de perken te houden, door betere informatie te verschaffen voor de selectie van kandidaat-geneesmiddelen en het ontwerp van onderzoeken.
Het doel is om geavanceerde kankerbehandelingen effectiever en breder toegankelijk te maken.
“Ik ben persoonlijk bevooroordeeld, maar ik denk dat er geen spannender moment kan zijn dan nu”, zei Poon, wijzend op de convergentie van kunstmatige intelligentie en digitale medische dossiers als “twee echt krachtige krachten.”
De auteurs van het artikel “Multimodal AI genereert virtuele populatie voor tumormicro-omgevingsmodellering” zijn 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 en Hoifung Poon.
