Colaboración IA-3D proporciona una visión y comprensión nuevas de las células de cáncer de próstata

El cáncer de próstata es el cáncer no cutáneo más común en los EUA. Los médicos diagnosticarán a uno de cada ocho hombres a nivel nacional con cáncer de próstata, y uno de cada 40 morirá a causa de la enfermedad, según los datos más recientes. Los investigadores ahora esperan obtener nuevos conocimientos valiosos sobre el cáncer de próstata altamente agresivo al combinar imágenes de diagnóstico impulsadas por inteligencia artificial (IA) con imágenes de tejido tridimensionales (3D).

Esta nueva colaboración IA-3D proporcionará una visión ampliada y una comprensión nunca antes vistas de las células del cáncer de próstata, gracias a un nuevo enfoque llamado "microscopía de hoja de luz", según investigadores de la Universidad Case Western Reserve (Cleveland, OH, EUA) y la Universidad de Washington (Seattle, WA, EUA). Es de esperar que ese fino detalle revele aún más información sobre cómo identificar qué casos de cáncer de próstata serán más agresivos en los pacientes. Saber esto podría ayudar a los médicos a determinar quién se beneficiaría de la cirugía o la radioterapia, y qué pacientes podrían ser monitoreados activamente en su lugar.

Los investigadores también podrían estar sentando las bases para desarrollar lo que se denomina "clasificadores basados en patómica" del resultado de la enfermedad para una serie de otros tipos de cáncer. La patómica se refiere a la aplicación de la visión por computadora y la IA para extraer una gran cantidad de características de las imágenes de tejidos utilizando algoritmos de caracterización de datos. Las características pueden entonces ayudar a descubrir tumores y otras características generalmente invisibles a simple vista.

Hasta ahora, los investigadores usaban el aprendizaje automático para enfocarse completamente en imágenes bidimensionales. El equipo de investigación ha desarrollado ahora un nuevo método no destructivo que captura imágenes de biopsias 3D completas en lugar de solo un corte. Esta técnica proporciona imágenes de vista completa del tejido y predicciones mejoradas sobre si el paciente tiene un cáncer agresivo. Las imágenes 3D proporcionan más información que una imagen 2D. En este caso, eso significa detalles sobre la intrincada estructura en forma de árbol de las glándulas en todo el tejido. Las características 3D facilitaron que una computadora identificara qué pacientes tenían más probabilidades de que el cáncer regresara dentro de los cinco años. Los investigadores esperan que esta "patología 3D no destructiva" se vuelva cada vez más valiosa en la toma de decisiones clínicas, como qué pacientes requerirían un tratamiento más agresivo o responderían a ciertos medicamentos.

“Esta es una combinación sin precedentes de las dos tecnologías más poderosas en esta área”, dijo Anant Madabhushi, director del Centro de Imágenes Computacionales y Diagnóstico Personalizado de Case Western Reserve. “Tomaremos la IA que hemos desarrollado y, por primera vez, podremos aplicarla a imágenes de tejido 3D en las que se destaca la Universidad de Washington, y obtendremos detalles finos y granulares”.

“Creemos que podremos entrenar nuestra IA para interrogar imágenes de tejido 3D con el mismo éxito que hemos tenido con imágenes bidimensionales”, agregó Madabhushi. “Pero hay tantas nuevas posibilidades para encontrar nueva información en 3D”.

"Con el éxito de nuestras tecnologías de microscopía de hoja de luz abierta, el próximo desafío obvio a superar era procesar y analizar los conjuntos de datos 3D masivos y ricos en características que estábamos generando a partir de muestras clínicas", dijo Jonathan Liu, profesor de ingeniería mecánica y bioingeniería en la Universidad de Washington. Dijo que colaborar con el laboratorio de Madabhushi en Case Western Reserve fue una "elección obvia e ideal, ya que el desarrollo de métodos explicables de IA facilitará la adopción clínica de una nueva tecnología de imágenes como la nuestra".

Enlaces relacionados:
Universidad Case Western Reserve  
Universidad de Washington

Visitar la expo >

Miembro Oro

CONTROL DE CALIDAD DE TROPONINA T

Troponin T Quality Control

Verification Panels for Assay Development & QC
Seroconversion Panels

New

Immunofluorescence Analyzer

MPQuanti

New

Centrifuge

Hematocrit Centrifuge 7511M4