Velika nada i obećanje u primijenjenoj umjetnoj inteligenciji (AI) dubokog učenja nalazi se na sjecištu neuroznanosti i onkologije, oba izazovna područja poznata po svojoj inherentnoj složenosti. Novi rad objavljen u časopisu Biology Methods & Protocols pokazuje kako jedinstvena kombinacija objašnjive umjetne inteligencije (XAI) i algoritma za detekciju kamufliranih životinja može identificirati ljudski mozak kod raka.
“Ovo istraživanje je prvo ove vrste koje primjenjuje transfer učenja za detekciju kamufliranih životinja na duboko neuronsko umrežavanje za zadatak detekcije i klasifikacije tumora”, napisao je glavni autor Arash Yazdanbakhsh, M.D., Ph.D., istraživački asistent na Odjelu za psihološke i moždane znanosti na Sveučilištu u Bostonu, u suradnji s Farisom Rustom, Ezekielom Morozeom, Pedramom Parvom i Halukom Ogmenom.
Prema izvještaju Globalnog observatorija raka Svjetske zdravstvene organizacije za 2022. godinu, tumori mozga i središnjeg živčanog sustava čine više od 321.000 novih slučajeva i 248.500 smrtnih slučajeva.
Oko 90.000 tumora mozga dijagnosticira se svake godine u Sjedinjenim Državama, od kojih je približno 25.200 zloćudnih prema podacima Američkog društva za rak, “Cancer Facts & Figures 2024; National Brain Tumor Society; Global Coalition for Adaptive Research”. Očekuje se da će 2024. godine biti oko 25.400 novih slučajeva tumora mozga i drugih tumora živčanog sustava, te 18.760 smrti u SAD-u prema istom izvještaju.
Procjenjuje se da u SAD-u živi oko milijun ljudi s primarnim tumorima mozga, a približno 28 posto svih tumora mozga su zloćudni, prema podacima Nacionalne udruge za tumore mozga (NBTS). Najsmrtonosniji oblik raka mozga, glioblastom (GBM), čini 50 posto svih primarnih zloćudnih tumora mozga u Americi, a srednji životni vijek iznosi osam mjeseci, dok stopa preživljavanja od pet godina iznosi 6,9 posto prema podacima NBTS-a.
Primarni tumor mozga je rast abnormalnih stanica u moždanom tkivu. Primarni tumor mozga je svaki tumor koji nastaje u mozgu ili u njegovom području, za razliku od metastatskog tumora mozga, koji je rak koji se širi na mozak iz drugih dijelova tijela.
Primarni tumori mozga mogu se podijeliti u glijalne tumore ili gliome i neglijalne tumore. Ljudski živčani sustav sadrži neurone i ne-neuronske stanice nazvane glija. Neuroni, također poznati kao živčane stanice ili neuroni, su uzbudljive stanice koje prenose elektrohemijske impulsi. Ljudski mozak sastoji se od otprilike 86 milijardi neurona, prema istraživačici Suzani Herculano-Houzel sa Sveučilišta Vanderbilt, prema njenom radu objavljenom 2012. godine u Proceedings of the National Academy of Sciences of the United States of America (PNAS).
Riječ glija dolazi od drevne grčke riječi γλία za “ljepilo”. Unutar središnjeg živčanog sustava (CNS), glavne vrste glija uključuju astrocite, mikrogije i oligodendrocite; u perifernom živčanom sustavu (PNS), satelitske glijalne stanice, enterička glija i Schwannove stanice su primjeri glijalnih stanica.
Glijalne stanice su brojčano prisutne u ljudskom mozgu. Istraživači Nicola Allen sa Salk Institute for Biological Studies u La Jolli, Kalifornija, i profesor neurobiologije David A. Lyons sa Sveučilišta u Edinburghu u Škotskoj procjenjuju da glija čini oko 50 posto središnjeg živčanog sustava i igra ulogu u formiranju i funkcioniranju središnjeg živčanog sustava. Prethodna procjena sugerira da glijalne stanice čine 90 posto stanica u mozgu prema radu objavljenom 2007. godine u The International Journal of Biochemistry & Cell Biology od strane istraživača sa Sveučilišta Kalifornija, Los Angeles, Fei He i Yi E. Sun.
Ne svi tumori mozga su smrtonosni. Prepoznato je više od 150 različitih tipova tumora mozga, prema podacima Američke udruge neurokirurga (AANS). Procjenjuje se da oko 27,9 posto, odnosno otprilike trećina svih tumora mozga i središnjeg živčanog sustava u SAD-u čine zloćudni tumori, prema Američkoj udruzi za tumore mozga.
Ono što izdvaja ovo istraživanje je uključivanje koraka AI transfer učenja s detekcijom kamufliranih životinja u pronalaženje tumora mozga u MRI slikama, s naglaskom na objašnjivost i transparentnost.
“Iako zadaci detekcije kamufliranih životinja i klasifikacije tumora mozga uključuju različite slike, mogla bi postojati paralela između životinje koja se skriva kroz prirodnu kamuflažu i gomile zloćudnih stanica koje se stapaju s okolnim zdravim tkivom”, napisali su znanstvenici.
Znanstvenici su pretpostavili da bi AI mreža koja je obučena za otkrivanje životinja u kamuflaži mogla biti učinkovito prenamijenjena za detekciju tumora mozga iz podataka slika dobivenih neinvazivno iz magnetske rezonance (MRI) skeniranja mozga. U radiologiji, dvije glavne vrste MRI slika su slike sa težinskom komponentom T1 i T2. Slike sa T1 težinskom komponentom naglašavaju mast i idealne su za normalnu anatomiju mekih tkiva, dok su slike sa T2 težinskom komponentom idealne za otkrivanje tekućine i abnormalnosti kao što su tumori, infekcije i upale prema 2023. Merckovom priručniku.
Znanstvenici su prenamijenili AI konvolucijsku neuronsku mrežu (CNN) koja je prethodno obučena za prepoznavanje kamufliranih životinja u dva AI modela, jedan za klasifikaciju T1-težinskih MRI slika, nazvan T1Net, a drugi, nazvan T2Net, za klasifikaciju T2-težinskih MRI slika.
Tim je primijenio objašnjive AI tehnike korištenjem metode dubokog učenja poput DeepDreamImage, salijentnog mapiranja slika i prostora značajki.
Podaci o skeniranju mozga za gliome uglavnom su potekli iz Cancer Imaging Archive (TCIA) Nacionalnog instituta za rak i javnih baza podataka Kaggle. Kategorije tumora uključivale su oligodendrogliome, oligoastrocytome i astrocytome. Podaci o normalnim MRI-ima deidentificiranih pacijenata iz Boston VA Healthcare System također su korišteni za obuku umjetničkih neuronskih mreža kao kontrola.
“T1Net i T2Net su postigli gotovo savršenu točnost na normalnim slikama mozga, s samo 1-2 lažna negativna rezultata između oba mrežna modela, što pokazuje snažnu sposobnost razlikovanja između zloćudnih i normalnih mozgalnih slika”, izvještavaju znanstvenici.
Transfer učenja iz detekcije kamufliranih životinja poboljšao je sposobnost AI modela za klasifikaciju tumora mozga, posebno astrocytoma. Transfer učenja poboljšao je AI model postigavši točnost od 92,2 posto za model sa T2-težinskom MRI slikom, što je nadmašilo model bez transfer učenja.
“Naši rezultati pokazuju da je ovaj pristup dubokom učenju neuralnih mreža obećavajući, osobito kada se koristi T2-težinskim MRI podacima, budući da je ovaj model pokazao najveće poboljšanje u točnosti testiranja”, podijelili su istraživači.
Istraživači također izvještavaju o rezultatima koji pokazuju da su korištene kvalitativne XAI metode omogućile vizualizaciju onoga što se događa tijekom obuke AI koristeći podatke MRI-a za rak mozga, kao i osobitosti povezane s različitim vrstama tumora. Kroz objašnjive AI metode, pokazalo se da je klasifikacija glioma uzimala u obzir metodologiju temeljenu na značajkama specifičnim za tumore prema AI modelima.
Renesansa dubokog učenja AI omogućava značajan napredak u znanosti. Korištenje AI za razlikovanje zloćudnih i nezloćudnih tumora mozga neinvazivno ima potencijal postati pomoćni alat za kliničare, onkologe i radiologe u budućnosti.
Copyright © 2024 Cami Rosso All rights reserved.
