Investigação

Inteligência artificial encontra padrões de mutação e sobrevivência em imagens de tumores

A Inteligência Artificial aplicada a imagens de microscopia de tumores deteta padrões de 167 mutações diferentes e prevê a sobrevivência do paciente em 28 tipos de cancro.

Investigadores do Instituto Europeu de Bioinformática (EMBL-EBI) da EMBL, em Cambridge, Reino Unido, desenvolveram um algoritmo de inteligência artificial (IA) que usa visão computacional para analisar amostras de tecidos de doentes com cancro. Eles mostraram que o algoritmo pode distinguir entre tecidos saudáveis e cancerígenos, e também pode identificar padrões de mais de 160 fragmentos de ADN e milhares de alterações de RNA em tumores. O estudo, publicado hoje no Nature Cancer, destaca o potencial da IA para melhorar o diagnóstico, o prognóstico e o tratamento do cancro.

O diagnóstico e o prognóstico do cancro são em grande parte baseados em duas abordagens principais. Numa das abordagens, histopatologistas examinam o aparecimento de tecido cancerígeno sob o microscópio. Por outro lado, geneticistas, analisam as mudanças que ocorrem no código genético das células cancerígenas. Ambas as abordagens são essenciais para entender e tratar o cancro, mas raramente são usadas em conjunto.

"Os médicos usam, quase sempre, slides de microscopia para o diagnóstico de cancro. No entanto, todo o potencial desses slides ainda não foi desbloqueado. À medida que a visão computacional avança, podemos analisar imagens digitais desses slides para entender o que acontece ao nível molecular", diz Yu Fu, Pós-Doutorando do Grupo Gerstung da EMBL-EBI.

Algoritmos de visão computacional são uma forma de inteligência artificial que pode reconhecer certos recursos em imagens. Fu e restante equipa reaproveitaram tal algoritmo desenvolvido pela Google – originalmente usado para classificar objetos quotidianos, como limões, óculos de sol e radiadores – para distinguir vários tipos de cancro do tecido saudável. Eles mostraram que este algoritmo também pode ser usado para prever a sobrevivência e até mesmo padrões de mudanças de ADN e RNA a partir de imagens de tecido tumoral.

Algoritmos de ensino para detetar mudanças moleculares

Estudos anteriores usaram métodos semelhantes para analisar imagens de tipos únicos ou alguns de tumores com alterações moleculares selecionadas. No entanto, Fu e os seus colegas elevaram esta abordagem para uma escala sem precedentes: treinaram o algoritmo com mais de 17 mil imagens de 28 tipos de cancro coletados para o Atlas do Genoma do Cancro, e estudaram todas as alterações genómicas conhecidas.

"O que é bastante notável é que o nosso algoritmo pode ligar automaticamente a aparência histológica de quase qualquer tumor com um conjunto muito amplo de características moleculares e com a sobrevivência do paciente", explica Moritz Gerstung, Líder do Grupo da EMBL-EBI.

No geral, este algoritmo é capaz de detetar padrões de 167 mutações diferentes e milhares de mudanças na atividade genética. Esses achados mostram em detalhe como as mutações genéticas alteram o aparecimento de células e tecidos tumorais.

Uma potencial ferramenta para a medicina personalizada

A integração de dados moleculares e histopatológicos fornece uma imagem mais clara do perfil de um tumor. A deteção das características moleculares, a composição celular e a sobrevivência associadas a tumores individuais ajudariam os médicos a adaptar tratamentos adequados às necessidades de seus pacientes.

"Do ponto de vista de um médico, essas descobertas são incrivelmente emocionantes. O nosso trabalho mostra como a inteligência artificial pode ser usada na prática clínica", explica Luiza Moore, Cientista Clínica e Patologista do Wellcome Sanger Institute e do Hospital Addenbrooke. "Enquanto o número de casos de cancro está a aumentar em todo o mundo, o número de patologistas está a diminuir. Ao mesmo tempo, esforçamo-nos para nos afastar da abordagem "um modelo encaixa em todos" e trabalhar em medicina personalizada. Uma combinação de patologia digital e inteligência artificial pode potencialmente aliviar essas pressões e melhorar nossa prática e atendimento ao paciente."

As tecnologias de sequenciamento impulsionaram a genómica à vanguarda da pesquisa sobre o cancro, mas essas tecnologias permanecem inacessíveis para a maioria das clínicas em todo o mundo. Uma possível alternativa ao sequenciamento direto seria usar a IA para emular uma análise genómica usando dados mais baratos de coleta, como slides de microscopia.

"Obter todas essas informações de imagens padrão de tumores, de forma completamente automática, é revolucionário", diz Alexander Jung, doutorando na EMBL-EBI. "Este estudo mostra o que pode ser possível nos próximos anos, mas esses algoritmos terão que ser refinados antes da implementação clínica."

Fonte do Artigo:
FU, Y., et al. (2020). Pan-cancer computational histopathology reveals mutations, tumor composition and prognosisNature Cancer. Published online 27 07; DOI: 10.1038/s43018-020-0085-8

 

Fonte: 
European Bioinformatics Institute
Nota: 
As informações e conselhos disponibilizados no Atlas da Saúde não substituem o parecer/opinião do seu Médico, Enfermeiro, Farmacêutico e/ou Nutricionista.
Foto: 
European Bioinformatics Institute