Lo strumento di intelligenza artificiale di Cambridge fornisce una diagnosi granulare del cancro in un minuto / Cambridge AI tool gives granular cancer diagnosis in one minute

 Lo strumento di intelligenza artificiale di Cambridge fornisce una diagnosi granulare del cancro in un minuto. Il procedimento del brevetto ENEA RM2012A000637 è molto utile in questo tipo di applicazione / Cambridge AI tool gives granular cancer diagnosis in one minute. The procedure of the ENEA patent RM2012A000637 is very useful in this type of application

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

Un nuovo strumento di intelligenza artificiale sviluppato presso l'Università di Cambridge è stato in grado non solo di identificare il cancro dalle immagini digitali, ma anche di fornire informazioni cliniche per la sua diagnosi.

Nota come SMMILe (Superpatch-based Measurable Multiple Instance Learning), la tecnologia è in grado di determinare se un paziente ha un tumore a partire da vetrini prelevati da biopsie e sezioni chirurgiche. Inoltre, lo strumento è in grado di prevedere la localizzazione delle lesioni tumorali e le aree tumorali con diversi livelli di aggressività.

Queste complesse immagini digitali sono state analizzate da SMMILe in circa un minuto. Secondo i ricercatori, un patologo esperto potrebbe impiegare fino a 20 minuti per svolgere lo stesso compito. Il lavoro è  pubblicato su Nature Cancer.

"Il cancro non è sempre uniforme", ha affermato il dott. Zeyu Gao, sviluppatore dell'algoritmo presso l'Early Cancer Institute di Cambridge.

"Un singolo tumore può contenere diversi sottotipi, alcuni più aggressivi di altri. Il nostro modello non si limita a dire 'sì, c'è un cancro', ma mappa questi sottotipi e le loro proporzioni all'interno del tessuto. Questo potrebbe un giorno aiutare i medici a personalizzare i trattamenti in modo più efficace, passando ad una comprensione più dettagliata del cancro di ogni paziente".

L'algoritmo è stato addestrato utilizzando diapositive a cui erano state assegnate semplici etichette diagnostiche, come il tipo od il grado di tumore. Queste diapositive non necessitavano di annotazioni dettagliate da parte dei patologi, la cui produzione richiede molto tempo. Nonostante i dati di addestramento relativamente scarsi, SMMILe è stato in grado di fornire informazioni dettagliate su ciascuna diapositiva, tra cui la mappatura delle posizioni delle lesioni tumorali e la stima delle proporzioni e della distribuzione spaziale delle lesioni con diversi sottotipi e gradi.

SMMILe è stato testato su otto set di dati comprendenti 3.850 immagini di diapositive complete che coprono sei tipi di tumore: polmone, rene, ovaio, seno, stomaco e prostata. Le prestazioni dell'algoritmo hanno eguagliato o superato quelle di altri nove principali strumenti di intelligenza artificiale comparabili nella classificazione a livello di diapositiva, superandoli significativamente nella stima delle proporzioni e della distribuzione spaziale delle lesioni.

"Ciò che abbiamo sviluppato è simile ad un 'sonar' per immagini che sostanzialmente ci consente di vedere al buio", ha affermato la dott.ssa Mireia Crispin-Ortuzar, coautrice senior e co-direttrice del Cancer Research UK Cambridge Centre Integrated Cancer Medicine Virtual Institute.

"Spesso disponiamo di informazioni su un tumore, ma non sappiamo come sia distribuito nei tessuti. Esistono tecnologie che permettono di ottenere queste informazioni, ma sono molto costose. Con il nostro nuovo metodo di intelligenza artificiale, possiamo mappare accuratamente i campioni tumorali, e il bello è che è addestrato su set di dati economici ed ampiamente disponibili, che contengono solo informazioni di massa e non spaziali".

Sebbene SMMILe sia attualmente focalizzato sulla classificazione di vetrini di tessuto, il gruppo di Cambridge prevede di utilizzare lo strumento per predire i biomarcatori che rivelano il comportamento di un tumore a livello molecolare. Si sostiene che ciò migliorerà la comprensione di come i tumori si sviluppano e si diffondono, oltre a portare potenzialmente a decisioni terapeutiche personalizzate per ciascun paziente.

ENGLISH

A new artificial intelligence tool developed at the University of Cambridge has been able to not only identify cancer from digital images, but also provide clinical insights in its diagnosis.

Known as SMMILe (Superpatch-based Measurable Multiple Instance Learning), the technology can determine if a patient had cancer from slides taken from biopsies and surgical sections. In addition to this, the tool can predict where the tumour lesions are located as well as areas of cancer with different levels of aggressiveness.

These complex digital images were analysed by SMMILe in approximately one minute. According to the researchers, an experienced pathologist could take up to 20 minutes to perform the same task. The work is published in Nature Cancer.

“Cancer isn’t always uniform,” said algorithm developer Dr Zeyu Gao, from Cambridge’s Early Cancer Institute.

“A single tumour can contain different subtypes, some that are more aggressive than others. Our model doesn’t just say ‘yes, there’s cancer’, it maps out these subtypes and their proportions within the tissue. This could one day help doctors tailor treatments more effectively, moving to a more nuanced understanding of each patient’s cancer.”

The algorithm was trained using slides that had been given simple diagnostic labels, such as cancer type or grade. These slides did not need to include detailed annotations from pathologists, which are time-consuming to produce. Despite the relatively sparse training data, SMMILe was able to provide detailed information about each slide, including mapping the locations of tumour lesions and estimating the proportions and spatial distribution of lesions with different subtypes and grades.

SMMILe was tested on eight datasets comprising 3,850 whole-slide images covering six cancer types: lung, kidney, ovarian, breast, stomach, and prostate cancer. The algorithm’s performance matched or exceeded nine other leading comparable AI tools at slide-level classification, while significantly outperforming them when estimating the proportions and spatial distribution of lesions.

“What we’ve developed is akin to a ‘sonar’ for images that essentially allows us to see in the dark,” said joint senior author Dr Mireia Crispin-Ortuzar, co-lead of the Cancer Research UK Cambridge Centre Integrated Cancer Medicine Virtual Institute.

“Often, we have information about a tumour, but we don't know how it's distributed in the tissue. There are technologies that allow you to get this information, but they are very costly. With our new AI method, we can accurately map the tumour samples – and the beauty is that it is trained on cheap, widely-available datasets that only contain bulk, non-spatial information.”

Although SMMILe is currently focused on classifying tissue slides, the Cambridge team plans to use the tool to predict biomarkers that reveal how a tumour behaves at a molecular level. It’s claimed this will improve understanding of how cancers develop and spread as well as potentially lead to personalised treatment decisions for each patient.

Da:

https://www.theengineer.co.uk/content/news/cambridge-ai-tool-provides-detailed-cancer-diagnosis?utm_source=content_recommendation&utm_medium=blueconic