Technologie- en kankeronderzoekers uit de Pacific Northwest brengen publiekelijk een AI-tool uit die geavanceerde tumoranalyses kan uitvoeren in een fractie van de tijd en kosten van bestaande methoden, waardoor baanbrekende inzichten in kanker mogelijk voor veel meer patiënten beschikbaar worden.
Het GigaTIME-model maakt gebruik van kunstmatige intelligentie om virtueel gedetailleerde immuunsysteemgegevens te genereren uit standaard pathologiedia’s – analyses waarvoor normaal gesproken dagen laboratoriumwerk en duizenden dollars per monster nodig zijn.
De doorbraak zou de verschuiving naar precisiegeneeskunde kunnen versnellen, waarbij behandelingen worden afgestemd op de specifieke kankerbiologie van elke patiënt Hoifung Poonalgemeen directeur van het Real-World Evidence-programma van Microsoft Research.
Traditionele pathologiedia’s tonen tumor- en immuuncellen, maar bieden beperkt inzicht in de vraag of het immuunsysteem van een patiënt actief kanker bestrijdt. Een meer geavanceerde techniek, multiplex-immunofluorescentie (mIF)-analyse genaamd, tuurt nauwlettend in de micro-omgeving van de tumor en voegt informatie toe over de vraag of immuuncellen werken op basis van welke eiwitten aanwezig zijn.
Maar mIF-analyse “slechts voor één monster kan gemakkelijk dagen duren en duizenden dollars kosten”, zei Poon, waardoor het gebruik ervan in de routinematige zorg ernstig werd beperkt.
GigaTIME omzeilt dit knelpunt door de informatie virtueel te genereren door simpelweg standaard pathologieglaasjes te analyseren.
“GigaTIME gaat over het ontsluiten van inzichten die voorheen buiten bereik waren”, aldus Dr.Carlo Bifulcohoofdarts van Providence Genomics en medisch directeur bij het Providence Cancer Institute.
Het project brengt onderzoekers van Microsoft samen; Providence-faciliteiten in Renton, Washington en Portland; en de Paul G. Allen School of Computer Science and Engineering van de Universiteit van Washington. Ze publiceren vandaag een peer-reviewed onderzoek in het tijdschrift Cel en de tool gratis online vrijgeven op Hugging Face en GitHub.
Het werk weerspiegelt de groeiende inspanningen in de regio Seattle om complexe gezondheidsdatasets te integreren met behulp van AI om de vooruitgang op het gebied van gezondheid en geneeskunde te vergemakkelijken. Het Allen Institute heeft vorige maand de Hersenkennisplatform voor neurowetenschappelijk onderzoek, terwijl biotech-startup Synthesize Bio er tools voor heeft gebouwd het ontwerpen van experimenten en het voorspellen van de uitkomsten ervan gebruikmaken van openbaar beschikbare gegevens. En het Fred Hutch Cancer Center heeft geholpen bij het ontwikkelen van een privacybeschermend model voor het delen van gegevens via de Kanker AI Alliantie.
De omvang van het GigaTIME-project is gigantisch:
- Onderzoekers trainden het model op een Providence-dataset van 40 miljoen cellen, waarbij pathologiedia’s werden gecombineerd met mIF-gegevens die 21 verschillende eiwitten onderzochten.
- Ze pasten GigaTIME toe op monsters van 14.256 kankerpatiënten in 51 ziekenhuizen en meer dan 1.000 klinieken in het Providence-systeem.
- Het werk produceerde een virtuele populatie van ongeveer 300.000 mIF-beelden die 24 kankertypen en 306 kankersubtypen bestrijken.
Poon heeft nog grotere ambities, waaronder het samenvoegen van gegevens uit cel- en biopsiemonsters, plus CT-radiologierapporten, MRI’s en andere diagnostiek om een meer holistisch beeld van een patiënt te creëren. Deze geavanceerde modellen kunnen mogelijk voorspellingen doen over hoe een ziekte zich kan ontwikkelen of hoe deze op de behandeling zal reageren.
De nieuwe instrumenten zouden op een dag kunnen helpen de enorme kosten en tijd die gepaard gaan met klinische onderzoeken te beteugelen door betere inzichten te verschaffen bij het selecteren van kandidaat-geneesmiddelen en het ontwerpen van onderzoeken.
Het doel is om geavanceerde kankerzorg effectiever en breder toegankelijk te maken.
“Ik ben persoonlijk bevooroordeeld, maar ik denk dat er geen spannender moment kan zijn dan nu”, zei Poon, wijzend op de convergentie van AI-mogelijkheden en digitale medische dossiers als “twee echt krachtige krachten.”
Auteurs van het artikel “Multimodal AI genereert virtuele populatie voor tumormicro-omgevingsmodellering” zijn Jeya Maria Jose Valanarasu, Hanwen Xu, Naoto Usuyama, Chanwoo Kim, Cliff Wong, Peniel Argaw, Racheli Ben Shimol, Angela Crabtree, Kevin Matlock, Alexandra Q. Bartlett, Jaspreet Bagga, Yu Gu, Sheng Zhang, Tristan Naumann, Bernard A. Fox, Bill Wright, Ari Robicsek, Brian Piening, Carlo Bifulco, Sheng Wang en Hoifung Poon.
