Un nouvel outil basé sur l'intelligence artificielle appelé MISO (Multimeje-modal Spatial Ômicros) peuvent détecter les caractéristiques cellulaires du cancer en examinant les données provenant de morceaux de tissu extrêmement petits, certains aussi petits que 400 micromètres carrés, ce qui équivaut à la largeur de cinq cheveux humains. Construit par des chercheurs de la Perelman School of Medicine de l’Université de Pennsylvanie, l’outil analyse des tonnes de données et peut appliquer des informations même aux plus petits points de l’imagerie médicale. Cela pourrait guider les médecins vers les thérapies individuelles les plus efficaces pour une variété de cancers, selon un nouvel article détaillant le MISO publié aujourd'hui dans Méthodes naturelles.
Grâce à MISO, les chercheurs ont découvert de nouvelles informations sur une variété de cancers différents en utilisant des données et des images provenant de dons de tissus de patients, notamment :
- Cancer de la vessie : le MISO a détecté un groupe spécialisé de cellules responsables de la formation de structures lymphoïdes tertiaires, liées à l'amélioration des réponses à l'immunothérapie
- Cancer gastrique : le MISO fait la distinction entre les cellules cancéreuses et la muqueuse à l'intérieur des tissus
- Cancer colorectal : le MISO a identifié différentes sous-classes de cellules cancéreuses qui ont permis de mettre en lumière les différentes cellules malignes qui composent même une seule tumeur
De plus, le MISO a été utilisé pour analyser les structures des tissus cérébraux non cancéreux.
Toutes ces réalisations peuvent guider de meilleures thérapies, augmenter la survie et sont très difficiles, voire impossibles, à réaliser sans un outil d’IA extrêmement puissant comme MISO.
MISO a été développé pour fonctionner dans le domaine de la « multi-omique spatiale », un domaine d'étude dans lequel les chercheurs tentent d'avoir un aperçu de différentes conditions en considérant la disposition physique des tissus en examinant différentes modalités « -omique », comme la transcriptomique (étude des gènes expression), la protéomique (protéines) et la métabolomique (métabolites et leurs processus), entre autres.
« À mesure que le domaine de l'omique spatiale progresse, il est devenu possible de mesurer plusieurs modalités -omiques à partir de la même tranche de tissu, fournissant des informations complémentaires et offrant une vue plus complète et plus perspicace », a déclaré Mingyao Li, PhD, auteur principal de l'étude et chercheur. professeur de biostatistique et de pathologie numérique.
MISO relève un énorme défi en matière de données en permettant l’analyse simultanée de toutes les modalités spatiales-omiques, ainsi que des images anatomiques microscopiques lorsqu’elles sont disponibles. C’est la seule méthode capable de gérer des ensembles de données comme ceux-ci avec des centaines de milliers de cellules par échantillon. »
Mingyao Li, PhD, professeur, biostatistique et pathologie numérique, Université de Pennsylvanie
Lorsque vous utilisez la transcriptomique spatiale pour examiner une image, un seul pixel dans une seule image contient 20 000 à 30 000 points de données à analyser à travers le prisme des -omiques, et ce nombre peut doubler et tripler si plusieurs -omiques sont pris en compte. Les examens IRM et CT n'ont qu'un seul point de données (nuances de gris) par pixel à interpréter. Sans un certain type d’outil d’intelligence artificielle pour les aider, les médecins et les chercheurs examinant les images médicales ne seraient presque jamais en mesure de tirer parti de certaines des informations dont dispose MISO.
Le dernier effort en matière de technologie d'image -omics
MISO poursuit le travail de Li en développant des techniques d'imagerie d'intelligence artificielle capables de voir ce que même des humains entraînés ne peuvent pas voir. Plus tôt cette année, son équipe a publié un article examinant iSTAR, un outil qui étudie la génomique, et a découvert des traces de cancer – ainsi que la réponse du corps aux traitements – qui autrement seraient passées inaperçues.
Alors que MISO examine une gamme de données beaucoup plus large que celle d'iSTAR, dont certains composants ont même été utilisés pour développer, MISO-Li considère qu'elles sont toutes deux utiles, mais dans des domaines différents. iSTAR est utile pour augmenter la netteté de l'imagerie et générer virtuellement des données spatiales-omiques que MISO pourrait ensuite analyser, tandis que MISO prend en charge des analyses de sujets plus fins (comme la détection de veinules hautement endothéliales, un groupe spécial de cellules qui recrutent des globules blancs pour des tâches spécifiques). tissus).
À l’avenir, l’équipe espère rassembler tout ce qu’elle a appris sur l’omique spatiale et l’imagerie pathologique et améliorer le MISO afin de pouvoir analyser simultanément plusieurs échantillons de tissus à la fois, augmentant ainsi de manière exponentielle ses résultats.
Certaines données, comme les marques épigénétiques (produits chimiques qui régulent l'ADN mais sont influencés par l'environnement, et pas uniquement par la génétique), n'ont pas encore été mesurées à grande échelle, mais le système d'IA du MISO lui permet d'« apprendre » à mesure qu'il traite l'information, ce qui rend afin qu'il puisse reconnaître ces données à mesure qu'elles deviennent plus disponibles. « Je prévois que l'intégration de ces divers types de données permettra à MISO de fournir des informations plus approfondies sur divers aspects du comportement cellulaire », a déclaré Li.
