Ránézésre felismerhetővé váltak a rákos sejtek

Egy képelemző mesterségesintelligencia-algoritmus nanoszintű átrendeződések alapján felismeri a sejtekben a daganatos elfajulás és a vírusfertőzés korai jeleit, így hasznos új diagnosztikus eszközt ad a kezünkbe.

A barcelonai Genomszabályozási Központ, a Baszkföldi Egyetem, a Donostiai Nemzetközi Fizikai Központ és a bizkaiai Biofizikai Alapítvány kutatói kifejlesztettek egy mesterségesintelligencia- (MI-) algoritmust, amely képes megkülönböztetni a daganatos sejteket az egészségesektől, és felismeri a vírusfertőzés nagyon korai jeleit a sejteken belül. A Nature Machine Intelligence szakfolyóiratban publikált tanulmány a diagnosztikus technika továbbfejlesztését és a betegségek korai stádiumban történő felismerését ígéri.

A mesterséges intelligencia ezúttal a rákdiagnosztikában hozhat forradalmat
Fotó: Science Photo Library via AFP

Mesterséges intelligenciával a rák ellen

Az AINU (AI of the NUcleus, sejtmagi mesterséges intelligencia) névre keresztelt MI-alapú rendszer nagyfelbontású képeket olvas be a sejtekről, amelyeket a STORM nevű speciális mikroszkópos eljárással készítenek. A STORM révén a sejtekről a hagyományos mikroszkópokénál jóval részletgazdagabb képek készíthetők. E szupernagy felbontású pillanatfelvételek a nanométeres skálán kínálnak bepillantást a sejtek belső szerkezetébe.

A nanométer (nm) a méter milliárdod része, és egy átlagos hajszál átmérője kb. 100.000 nm. 

A nagyfelbontású mikroszkópiával támogatott MI-algoritmus 20 nm-es, vagyis a hajszál átmérőjénél 5000-szer kisebb léptékű átrendeződéseket is felismer.

Ezek annyira apró és finom változások, amiket egy emberi megfigyelőnek a hagyományos eszköztárral esélye sincs észrevenni.

„Ezeknek a képeknek a felbontása kellőképpen nagy ahhoz, hogy az MI-algoritmusunk figyelemre méltó pontossággal felismerhesse a sajátos mintázatokat és eltéréseket, például a DNS sejten belüli elrendeződésének változásait, így segít abban, hogy nagyon korán tetten érjük ezeket a kezdődő folyamatokat – nyilatkozta Pia Cosma, a barcelonai Genomszabályozási Központ kutatója és a tanulmány egyik levelező szerzője.

Az AINU egy úgynevezett konvolúciós mesterséges idegi hálózat, vagyis az MI-nek egy olyan formája, amelyet kimondottan vizuális adatok, például képek elemzésére fejlesztettek ki. A konvolúciós idegi hálózatok tipikus példái azok az MI-eszközök, amelyek révén a felhasználók az arcukkal fel tudják oldani az okostelefonjukat, vagy amelyeket az önvezető autók használnak a környezetben való tájékozódásra és az úton előforduló objektumok felismerésére.

Az orvoslásban konvolúciós idegi hálózatokat használnak például a képalkotó eszközök felvételeinek, így a mammográfiás képeknek vagy a CT-felvételeknek az elemzéséhez, hogy a daganatok olyan apró jeleit is felismerjék, amelyek az emberi szem számára esetleg rejtve maradnak. 

Hasonló MI-eszközök segítenek az orvosoknak az MRI-felvételeken és a röntgenképeken rejtőző abnormalitások azonosításában, s ezzel gyorsabbá és pontosabbá teszik a diagnosztikus folyamatot.

Az AINU sejten belüli apró, molekuláris szintű struktúrákat ismer fel és elemez. A kutatók úgy tanították be a modellt, hogy a sejtmag nanométeres felbontású képeit mutatták be neki sok különböző fajta és különböző állapotban lévő sejtből. A modell a sejtmagi komponensek háromdimenziós eloszlásának és elrendeződésének elemzésével megtanult különböző sajátos mintázatokat felismerni.

A daganatos sejtek például jól körvonalazható változásokat mutatnak a sejtmagi szerkezetükben a normális sejtekhez képest: módosul egyebek között a DNS-ük sejtmagon belüli szerveződése és különböző magi enzimjeik eloszlása.

A betanítást követően az AINU-nak ha további sejtmagokról készült felvételeket mutattak, helyesen tudta őket daganatosként vagy épként osztályozni egyedül e sejtmagi jellegzetességek alapján.

Elképesztően gyorsan felismeri a kóros változásokat

A képek nanoléptékű felbontása olyan érzékenységet kölcsönöz az MI-nek, hogy már egyetlen órával az 1-es típusú herpes simplex-vírussal való fertőzés után felismeri a sejtmagban meginduló változásokat. A modell olyan apró különbségekből lefülelte a vírus jelenlétét, hogy hol milyen szorosan van csomagolva a DNS, ugyanis ez a sejtmagi szerkezetátalakulás az egyik korai jele annak, amikor egy vírus a sejtbe kerülve elkezdni átállítani annak működését.

Módszerünk már kevéssel a vírusfertőzést követően is meg tudja különböztetni a fertőzött sejteket. Egy orvosnak normálisan időbe telik, mire felismer egy fertőzést, hiszen csak a látható tünetekre, a szervezetet nagyobb léptékben érintő változásokra tud hagyatkozni. Az AINU-val azonban azonnal észrevesszük a sejtmag legapróbb változásait is”

 – emelte ki Ignacio Arganda-Carreras, a tanulmány másik levelező szerzője, aki a Baszkföldi Egyetem, a bizkaiai Biofizikai Intézet és a Donostiai Nemzetközi Fizikai Központ munkatársa.

„A kutatók fel tudják használni ezt a technológiát arra, hogy a vírusok szervezetbe való bejutása után szinte azonnal nyomon kövessék, miként befolyásolják e kórokozók a sejtek működését. Ez elősegítheti a jobb kezelések és vakcinák kifejlesztését – hangsúlyozta Limei Zhong, a cikk megosztott első szerzője és a Kanton Tartományi Népi Kórház (Kuangcsou, Kína) kutatója. – A kórházakban és klinikákon az AINU-t arra lehetne alkalmazni, hogy egy egyszerű vér- vagy szövetmintából gyorsan kimutassa a fertőzéseket, s ezzel felgyorsítsa és pontosabbá tegye a kórisme felállítását.”

A kutatóknak ugyanakkor számottevő akadályokat kell még leküzdeniük, hogy a technológia a klinikai gyakorlatban is tesztelhetővé és alkalmazhatóvá váljék. Ha diagnosztikáról van szó, különösen olyan orvosi szituációkban, ahol a gyorsaság és a hatékonyság kulcsfontosságú, az orvosoknak jóval több sejtet kell egyetlen képen rögzíteniük ahhoz, hogy egy betegséget felismerjenek vagy nyomon kövessenek.

Rákos sejtek
Fotó: Science Photo Library via AFP

Robbanásszerű fejlődés

„A STORM képalkotási technika robbanásszerű fejlődésen esik át, ami azt jelenti, hogy ezek a mikroszkópok hamarosan megjelenhetnek a kisebb és kevésbé specializált laborokban, majd végül a klinikumban is – vetítette előre Cosma. – A hozzáférhetőség és az áteresztőképesség könnyebben kezelhető problémák, mint amilyennek korábban hittük őket, és bízunk benne, hogy hamarosan hozzáfoghatunk a preklinikai állatkísérletekhez.”

Ha a klinikai hasznosítás még évekig várat is magára, az AINU a tudományos kutatást már rövid időtávlatban is fel fogja gyorsítani. A kutatók azt találták, hogy a képelemző MI nagy pontossággal képes az őssejtek azonosítására. Az őssejtek azok a sejtek, amelyek rendelkeznek a pluripotencia képességével, vagyis a test bármelyik sejtjét létre tudják hozni. A pluripotens sejteket élénk érdeklődés övezi, hiszen segíthetnek a károsodott szövetek helyreállításában és pótlásában.

Az AINU gyorsabbá és pontosabbá teheti a pluripotens sejtek azonosítását, így hozzájárulhat a biztonságosabb és hatékonyabb őssejtterápiákhoz.

„A jó minőségű őssejtek kimutatása jelenleg állatkísérleteket igényel. Az MI-modellnek viszont csak egy sejtmintára van szüksége, amelyben a lényeges sejtmagi jellegzetességeket feltüntető markerek meg vannak jelölve – fejtette ki Davide Carnevali, a cikk első szerzője és a Genomszabályozási Központ munkatársa. – Amellett, hogy a módszerünk egyszerűbb és gyorsabb, az őssejtkutatásnak is lendületet ad, és csökkenti a kutatási célú állatfelhasználást.”