Sztuczna inteligencja śledzi tysiące komórek nowotworowych w mózgu
Badacze z Uniwersytetu Uppsala opracowali metodę obrazowania opartą na AI, która śledzi ruch komórek nowotworowych w tkance mózgowej.
Badacze z Uniwersytetu Uppsala opracowali metodę obrazowania wspomaganą sztuczną inteligencją, która pozwala na śledzenie tysięcy pojedynczych komórek nowotworowych w tkance mózgowej. Technologia, nazwana GlioTrace, łączy automatyczną mikroskopię z uczeniem maszynowym, ujawniając, jak komórki glejaka rozprzestrzeniają się, zmieniają swoje zachowanie i reagują na leczenie nowotworowe. Badania opublikowane w "Nature Communications" dostarczają nowych informacji na temat inwazyjnego wzrostu jednego z najbardziej agresywnych rodzajów 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 żywa tkanka w laboratorium. Dzięki automatycznej mikroskopii badacze rejestrowali obrazy co nie więcej niż co dwie godziny 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, to podejście pozwala na badanie inwazji nowotworowej jako dynamicznego procesu, a nie poleganie na izolowanych obserwacjach. Metoda ta pozwala również badaczom porównywać komórki glejaka pochodzące od różnych pacjentów oraz 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 przez otaczającą tkankę mózgową. Ważne jest, że pojedyncze komórki nie były ograniczone do jednego wzorca ruchu. Badacze zaobserwowali, że ta sama komórka nowotworowa mogła zmieniać kształt i przełączać się między różnymi strategiami migracji w ciągu zaledwie kilku dni. Niektóre komórki poruszały się wzdłuż naczyń krwionośnych, a następnie zmieniały się na niezależny ruch przez tkankę.
Taka elastyczność może pomóc wyjaśnić, dlaczego glejaki są szczególnie trudne 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. Dwa eksperymentalne leki 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 zbadał również skutki połączenia radioterapii i chemioterapii.
W niektórych modelach guzów to leczenie zwiększyło 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 odpowiedzi biologiczne, które mogą pozostać niezauważone, gdy badacze analizują tylko rozmiar guza lub statyczne próbki tkankowe.
AI przyspiesza również diagnozę nowotworów mózgu
Badania z Uppsali odzwierciedlają szerszy rozwój, w którym sztuczna inteligencja pomaga naukowcom wydobywać bardziej szczegółowe informacje z tkanki mózgowej i obrazów medycznych. AI przyspiesza diagnozę nowotworów mózgu. Jak wcześniej informowaliśmy, badacze z Niemieckiego Centrum Badań nad Rakiem (DKFZ), Uniwersytetu w Heidelbergu 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 wyprodukował klasyfikację o wysokim poziomie pewności, dokładność wyniosła około 87–88%. W prospektywnej ocenie obejmującej 210 próbek, Hetairos generował 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, co może pomóc patomorfologom w określeniu, jakie dodatkowe badania są konieczne. GlioTrace, z kolei, 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 specjalistycznego osądu klinicznego.
Ukierunkowane badania nad rakiem mózgu
Centralnym elementem GlioTrace jest oprogramowanie do analizy obliczeniowej, opracowane we współpracy z badaczami z Uniwersytetu Technologicznego Chalmers i Uniwersytetu w Göteborgu. Oprogramowanie przetwarza obrazy mikroskopowe, identyfikuje pojedyncze komórki i ich kształty oraz oblicza, jak zmieniają się wzorce ich ruchu w czasie. Badacze udostępnili oprogramowanie bezpłatnie, 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 obrazowania miały trudności z uchwyceniem.
Źródło: https://www.icthealth.org/news/ai-tracks-thousands-of-brain-tumorcells-in-living-tissue
Źródło: www.icthealth.org