محققان مرکز تشخیص پروتئین PRODI در دانشگاه روهر بوخوم آلمان، از هوش مصنوعی در ترکیب با تصویربرداری مادون قرمز برای بهینه سازی درمان سرطان روده بزرگ برای بیماران خاص استفاده می‌کنند. روش بدون برچسب و خودکار می‌تواند تجزیه و تحلیل‌های پاتولوژیک موجود را تکمیل کند. تیمی به رهبری پروفسور کلاوس گرورت یافته‌های خود را در مجله اروپایی سرطان در ژانویه ۲۰۲۳ گزارش کردند.
تیم PRODI در چند سال گذشته در حال توسعه یک روش تصویربرداری دیجیتال جدید بوده است: به اصطلاح تصویربرداری مادون قرمز بدون برچسب (IR) ترکیب ژنومی و پروتئومی بافت مورد بررسی را اندازه گیری می‌کند؛ به عنوان مثال اطلاعات مولکولی را بر اساس طیف مادون قرمز ارائه می‌دهد. این اطلاعات با کمک هوش مصنوعی رمزگشایی شده و به صورت تصاویر با رنگ کاذب نمایش داده می‌شود. برای انجام این کار محققان از روش‌های تجزیه و تحلیل تصویر در زمینه یادگیری عمیق استفاده می‌کنند.
در همکاری با شرکای بالینی، تیم PRODI توانست نشان دهد که استفاده از شبکه‌های عصبی عمیق، تعیین مطمئن وضعیت ریزماهواره، یک پارامتر مرتبط پیش آگهی و درمانی در سرطان روده بزرگ را ممکن می‌سازد. در این فرآیند، نمونه بافت از طریق یک فرآیند استاندارد، مستقل از کاربر و خودکار می‌گذرد و طبقه‌بندی تفاضلی تومور را در عرض یک ساعت امکان‌پذیر می‌سازد.
در تشخیص کلاسیک، وضعیت ریزماهواره یا با رنگ آمیزی پیچیده ایمونوهیستوشیمی پروتئین‌های مختلف یا با تجزیه و تحلیل DNA تعیین می‌شود. پروفسور آندریا تاناپفل، رئیس موسسه آسیب شناسی در دانشگاه روهر می‌گوید: ۱۵ تا ۲۰ درصد بیماران مبتلا به سرطان کولون، ناپایداری ریزماهواره‌ای در بافت تومور نشان می‌دهند. این بی‌ثباتی یک نشانگر زیستی مثبت است که نشان می‌دهد ایمونوتراپی موثر خواهد بود.
با گزینه‌های درمانی در حال بهبود، تعیین سریع و بدون عارضه چنین نشانگر‌های زیستی نیز اهمیت بیشتری پیدا می‌کند. بر اساس داده‌های میکروسکوپی IR، شبکه‌های عصبی اصلاح، بهینه‌سازی و در PRODI آموزش داده شدند تا تشخیص‌های بدون برچسب ایجاد کنند. برخلاف رنگ آمیزی ایمنی، این روش به رنگ نیاز ندارد و به طور قابل توجهی سریع‌تر از تجزیه و تحلیل DNA است.
تیم PRODI در چند سال گذشته در حال توسعه یک روش تصویربرداری دیجیتال جدید بوده است: به اصطلاح تصویربرداری مادون قرمز بدون برچسب (IR) ترکیب ژنومی و پروتئومی بافت مورد بررسی را اندازه گیری می‌کند؛ به عنوان مثال اطلاعات مولکولی را بر اساس طیف مادون قرمز ارائه می‌دهد. این اطلاعات با کمک هوش مصنوعی رمزگشایی شده و به صورت تصاویر با رنگ کاذب نمایش داده می‌شود. برای انجام این کار محققان از روش‌های تجزیه و تحلیل تصویر در زمینه یادگیری عمیق استفاده می‌کنند.
در همکاری با شرکای بالینی، تیم PRODI توانست نشان دهد که استفاده از شبکه‌های عصبی عمیق، تعیین مطمئن وضعیت ریزماهواره، یک پارامتر مرتبط پیش آگهی و درمانی در سرطان روده بزرگ را ممکن می‌سازد. در این فرآیند، نمونه بافت از طریق یک فرآیند استاندارد، مستقل از کاربر و خودکار می‌گذرد و طبقه‌بندی تفاضلی تومور را در عرض یک ساعت امکان‌پذیر می‌سازد.
در تشخیص کلاسیک، وضعیت ریزماهواره یا با رنگ آمیزی پیچیده ایمونوهیستوشیمی پروتئین‌های مختلف یا با تجزیه و تحلیل DNA تعیین می‌شود. پروفسور آندریا تاناپفل، رئیس موسسه آسیب شناسی در دانشگاه روهر می‌گوید: ۱۵ تا ۲۰ درصد بیماران مبتلا به سرطان کولون، ناپایداری ریزماهواره‌ای در بافت تومور نشان می‌دهند. این بی‌ثباتی یک نشانگر زیستی مثبت است که نشان می‌دهد ایمونوتراپی موثر خواهد بود.
با گزینه‌های درمانی در حال بهبود، تعیین سریع و بدون عارضه چنین نشانگر‌های زیستی نیز اهمیت بیشتری پیدا می‌کند. بر اساس داده‌های میکروسکوپی IR، شبکه‌های عصبی اصلاح، بهینه‌سازی و در PRODI آموزش داده شدند تا تشخیص‌های بدون برچسب ایجاد کنند. برخلاف رنگ آمیزی ایمنی، این روش به رنگ نیاز ندارد و به طور قابل توجهی سریع‌تر از تجزیه و تحلیل DNA است.
کد خبر ۲۰۱۰۱۱۱۳۰.۶۱۴
