Sztuczna inteligencja śledzi tysiące komórek nowotworowych mózgu w tkankach żywych
Badacze z Uniwersytetu Uppsala opracowali metodę obrazowania opartą na AI, która śledzi tysiące komórek nowotworowych w tkankach mózgowych.
Badacze z Uniwersytetu Uppsala opracowali metodę obrazowania wspomaganą przez sztuczną inteligencję, która może śledzić tysiące pojedynczych komórek nowotworowych mózgu w tkankach żywych. Technologia, nazwana GlioTrace, łączy automatyczną mikroskopię z uczeniem maszynowym, aby ujawnić, jak komórki glejaka się rozprzestrzeniają, zmieniają swoje zachowanie i reagują na leczenie nowotworowe. Badanie opublikowane w czasopiśmie Nature Communications dostarcza nowych informacji na temat inwazyjnego wzrostu jednej z najbardziej agresywnych form raka mózgu.
Glejaki są szczególnie trudne do leczenia, ponieważ komórki nowotworowe infiltrują otaczającą zdrową tkankę mózgową, często wykraczając poza obszar, który można usunąć chirurgicznie. Pozostałe komórki mogą przyczyniać się do nawrotu nowotworu, nawet po operacji i dodatkowym leczeniu.
Zrozumienie, jak pojedyncze komórki nowotworowe migrują przez tkankę mózgową, jest zatem ważnym priorytetem badawczym. Do niedawna naukowcy w dużej mierze polegali na statycznych obrazach mikroskopowych, które ujawniały, gdzie znajdowały się komórki nowotworowe, ale dostarczały ograniczonych informacji na temat zmian ich zachowania w czasie. GlioTrace oferuje inne podejście, pozwalając badaczom na ciągłe obserwowanie i analizowanie ruchu komórek przez kilka dni.
Śledzenie tysięcy komórek za pomocą AI
Zespół badawczy badał komórki glejaka uzyskane od sześciu pacjentów. Komórki te były hodowane jako guzy w mózgach myszy, które następnie zostały pokrojone na cienkie plastry i utrzymywane jako tkanka żywa w laboratorium. Dzięki automatycznej mikroskopii badacze rejestrowali obrazy w odstępach nieprzekraczających dwóch godzin przez okres do pięciu dni. System uczenia maszynowego identyfikował pojedyncze komórki nowotworowe i śledził ich ruchy. Modele statystyczne były następnie używane do analizy zmian w zachowaniu komórek i przejść między różnymi wzorcami ruchu.
W przeciwieństwie do technik obrazowania, które badają stosunkowo małe obszary tkanki mózgowej, GlioTrace może śledzić tysiące komórek na całych plasterkach mózgu przy użyciu standardowych mikroskopów. Jak zauważa Hitesh Mangukiya, badacz z Wydziału Immunologii, Genetyki i Patologii Uniwersytetu Uppsala, podejście to umożliwia badanie inwazji nowotworowej jako dynamicznego procesu, a nie poleganie na izolowanych obserwacjach. Metoda ta pozwala również badaczom porównywać komórki glejaka pochodzące od różnych pacjentów i badać, jak ich zachowanie zmienia się po leczeniu.
Komórki nowotworowe dostosowują swój ruch
Analizy ujawniły znaczne różnice między badanymi guzami. Niektóre komórki glejaka migrowały głównie wzdłuż naczyń krwionośnych, podczas gdy inne rozprzestrzeniały się bardziej rozproszono w otaczającej tkance mózgowej. Co ważne, pojedyncze komórki nie były ograniczone do jednego wzorca ruchu. Badacze zaobserwowali, że ta sama komórka nowotworowa mogła zmieniać swój kształt i przełączać się między różnymi strategiami migracji w ciągu zaledwie kilku dni. Niektóre komórki poruszały się wzdłuż naczyń krwionośnych, zanim przeszły do niezależnego ruchu przez tkankę.
Ta elastyczność może pomóc wyjaśnić, dlaczego glejak jest szczególnie trudny do kontrolowania. Leczenie mające na celu ograniczenie jednego typu ruchu może niekoniecznie zapobiec przyjęciu przez komórki nowotworowe innej strategii. Madeleine Skeppås, doktorantka i współautorka badania, podkreśliła, że zrozumienie tych przejść jest kluczowe dla opracowania terapii zdolnych do ograniczenia inwazji nowotworowej.
Różne reakcje komórek
Badacze wykorzystali również GlioTrace do zbadania, jak terapie nowotworowe wpływają na migrację komórek nowotworowych. Dwie substancje eksperymentalne zmniejszyły ruch komórek i inwazję w żywych plasterkach mózgu. Jednak ich efekty różniły się między guzami pochodzącymi od pacjentów oraz między różnymi populacjami migrujących komórek. Zespół badał również skutki połączenia radioterapii i chemioterapii.
W niektórych modelach guzów ta terapia zwiększyła proporcję komórek wykazujących określony kształt. Komórki te były jednymi z najszybciej poruszających się i zajmowały centralne miejsce w przejściach między różnymi stanami komórkowymi. Wyniki sugerują, że niektóre inwazyjne populacje komórek mogą utrzymywać się podczas leczenia. Jednak badacze ostrzegają, że potrzebne są dalsze badania, aby ustalić, czy te komórki są rzeczywiście bardziej odporne na leczenie lub przyczyniają się do nawrotu nowotworu. Wyniki pokazują, jak analiza pojedynczych komórek w czasie może ujawnić biologiczne odpowiedzi, które mogą pozostać niezauważone, gdy badacze analizują tylko rozmiar guza lub statyczne próbki tkankowe.
AI przyspiesza również diagnozę nowotworów mózgu
Badania na Uniwersytecie Uppsala odzwierciedlają szerszy rozwój, w którym sztuczna inteligencja pomaga naukowcom wydobywać bardziej szczegółowe informacje z tkanki mózgowej i obrazów medycznych. Jak wcześniej informowaliśmy, badacze z Niemieckiego Centrum Badań nad Rakiem (DKFZ), Uniwersytetu Heidelberga i Szpitala Uniwersyteckiego w Heidelbergu opracowali system AI zdolny do klasyfikacji nowotworów mózgu na podstawie rutynowo barwionych próbek tkankowych. System, nazwany Hetairos, został wytrenowany i zwalidowany przy użyciu ponad 11 000 zdigitalizowanych sekcji tkankowych od 9 606 pacjentów w jedenastu ośrodkach medycznych na czterech kontynentach. Może rozróżniać 102 molekularne podtypy nowotworów ośrodkowego układu nerwowego. W przypadkach, w których system wygenerował klasyfikację o wysokim poziomie pewności, dokładność wyniosła około 87–88%. W prospektywnej ocenie obejmującej 210 próbek, Hetairos wygenerował klasyfikacje w ciągu około dwunastu minut, w porównaniu do średnio dwunastu dni dla konwencjonalnej diagnostyki molekularnej.
Obie technologie dotyczą różnych aspektów badań i diagnozy nowotworów mózgu. Hetairos ma na celu przyspieszenie i wsparcie klasyfikacji nowotworów, potencjalnie pomagając patologom określić, które dodatkowe badania są konieczne. GlioTrace, z drugiej strony, bada, jak pojedyncze komórki glejaka zachowują się w żywej tkance i jak ich ruch zmienia się pod wpływem leczenia. Razem te osiągnięcia ilustrują, jak AI może wspierać zarówno identyfikację cech nowotworów mózgu, jak i głębsze zrozumienie procesów biologicznych, które sprawiają, że te nowotwory są trudne do leczenia. Żaden z systemów nie ma na celu zastąpienia specjalistycznej oceny klinicznej.
Ukierunkowane badania nad rakiem mózgu
Centralnym elementem GlioTrace jest jego oprogramowanie do analizy obliczeniowej, opracowane we współpracy z badaczami z Chalmers University of Technology i Uniwersytetu w Göteborgu. Oprogramowanie przetwarza obrazy mikroskopowe, identyfikuje pojedyncze komórki i ich kształty oraz oblicza, jak zmieniają się ich wzorce ruchu w czasie. Badacze udostępnili oprogramowanie za darmo, umożliwiając innym grupom badawczym zastosowanie tej metody. Sven Nelander, profesor integracyjnych badań nad rakiem na Uniwersytecie Uppsala, uważa, że technologia ta może pomóc w identyfikacji mechanizmów zaangażowanych w inwazję nowotworową i wspierać rozwój terapii mających na celu zapobieganie rozprzestrzenianiu się komórek nowotworowych w mózgu.
Na razie GlioTrace pozostaje eksperymentalną metodą badawczą. Została oceniona przy użyciu żywej tkanki mózgowej utrzymywanej w warunkach laboratoryjnych, a nie jako narzędzie diagnostyczne u pacjentów. Potrzebne są dalsze badania, aby ustalić, czy wnioski uzyskane z śledzenia pojedynczych komórek nowotworowych mogą ostatecznie przyczynić się do skuteczniejszych strategii leczenia. Jej natychmiastowa wartość polega na ujawnieniu zmieniającego się zachowania tysięcy komórek nowotworowych, dostarczając badaczom informacji, które tradycyjne podejścia obrazowe miały trudności z uchwyceniem.
Źródło: https://www.icthealth.org/news/ai-tracks-thousands-of-brain-tumorcells-in-living-tissue
Źródło: www.icthealth.org