Τεχνητή Νοημοσύνη: Αναγνώριση των καρκινικών κυττάρων από την οξύτητά τους [vid]

Η ομάδα ανυπομονεί να προωθήσει την ιδέα περαιτέρω για να προσπαθήσει να εντοπίσει διαφορετικά στάδια κακοηθειών από τα κύτταρα. Οραματίζονται μια πραγματική έκδοση της διαδικασίας, στην οποία τα κύτταρα που βρίσκονται σε διάλυμα μπορούν να αναγνωριστούν και να αντιμετωπιστούν αυτόματα.

Τεχνητή Νοημοσύνη: Τα καρκινικά κύτταρα εμφανίζουν αρκετές βασικές διαφορές από τα υγιή κύτταρα, οι οποίες βοηθούν να τα αναγνωρίσουν ως επικίνδυνα. Για παράδειγμα, το pH – το επίπεδο οξύτητας – σε ένα καρκινικό κύτταρο δεν είναι το ίδιο με το pH σε ένα υγιές κύτταρο. Ερευνητές από το Εθνικό Πανεπιστήμιο της Σιγκαπούρης ανέπτυξαν μια μέθοδο χρήσης μηχανικής μάθησης για να προσδιορίσουν εάν ένα μεμονωμένο κύτταρο είναι καρκινικό, ανιχνεύοντας το pH του. Περιγράφουν το έργο τους στο περιοδικό APL Bioengineering (Βιομηχανική).

“Η ικανότητα αναγνώρισης μεμονωμένων κυττάρων έχει αποκτήσει υψίστη σημασία στον τομέα της ακρίβειας και της εξατομικευμένης ιατρικής”, δήλωσε ο Chwee Teck Lim, ένας από τους ερευνητές. “Αυτό συμβαίνει επειδή είναι ο μόνος τρόπος για να ληφθεί υπόψη η εγγενής ετερογένεια που σχετίζεται με οποιοδήποτε βιολογικό δείγμα”. Ο Lim εξήγησε ότι άλλες τεχνικές για την εξέταση ενός κυττάρου μπορούν να προκαλέσουν τοξικές επιδράσεις ή ακόμη και να σκοτώσουν το κύτταρο. Η προσέγγισή τους, ωστόσο, μπορεί να διακρίνει κύτταρα που προέρχονται από φυσιολογικούς ιστούς, από κύτταρα που προέρχονται από καρκινικούς ιστούς, καθώς και από κύτταρα με διαφορετικους τύπους καρκίνου μεταξύ τους, διατηρώντας ταυτόχρονα τα κύτταρα ζωντανά.

Η μέθοδος βασίζεται στη θεραπεία των κυττάρων με μπλε βρωμοθυμόλη, μια ευαίσθητη στο ρΗ βαφή που αλλάζει χρώμα ανάλογα με το πόσο όξινο είναι ένα διάλυμα. Κάθε τύπος κυττάρου εμφανίζει το δικό του μοναδικό δακτυλικό αποτύπωμα κόκκινου, πράσινου και μπλε (RGB) με βάση την ενδοκυτταρική οξύτητά του. Επειδή ο καρκινικός μετασχηματισμός μεταβάλλει το pH του κυττάρου, ένα ανθυγιεινό κύτταρο θα ανταποκριθεί διαφορετικά στο μπλε της βρωμοθυμόλης, με αποτέλεσμα μια χαρακτηριστική μετατόπιση του δακτυλικού αποτυπώματος RGB. Εκπαιδεύοντας έναν αλγόριθμο μηχανικής μάθησης για να χαρτογραφεί συνδυασμούς χρωμάτων μεμονωμένων κυττάρων στην κατάσταση της ασθένειας, οι ερευνητές μπορούν εύκολα να αναγνωρίσουν μια ανεπιθύμητη αλλαγή.

Αυτό τους επιτρέπει να προσδιορίσουν την υγεία ενός κυττάρου, χρησιμοποιώντας μόνο απλό, τυπικό εξοπλισμό: ένα ανεστραμμένο μικροσκόπιο και μια έγχρωμη κάμερα. “Η μέθοδός μας μάς επέτρεψε να ταξινομήσουμε μεμονωμένα κύτταρα διαφόρων ανθρώπινων ιστών, τόσο φυσιολογικά όσο και καρκινικά, εστιάζοντας αποκλειστικά στα εγγενή επίπεδα οξύτητας που τείνει να τα εκθέτει κάθε τύπος κυττάρων και χρησιμοποιώντας απλό και φθηνό εξοπλισμό”, δήλωσε ο Lim.

Για πρακτικές υλοποιήσεις αυτής της προσέγγισης, οι επαγγελματίες του ιατρικού τομέα θα πρέπει να αποκτήσουν μη επεμβατικά δείγματα των εν λόγω κυττάρων. “Μία πιθανή εφαρμογή αυτής της τεχνικής θα ήταν η υγρή βιοψία, όπου τα καρκινικά κύτταρα που διαφεύγουν από τον πρωτογενή όγκο μπορούν να απομονωθούν με ελάχιστα επεμβατικό τρόπο από σωματικά υγρά”, δήλωσε ο Λι. Η ομάδα ανυπομονεί να προωθήσει την ιδέα περαιτέρω για να προσπαθήσει να εντοπίσει διαφορετικά στάδια κακοηθειών από τα κύτταρα. Οραματίζονται μια πραγματική έκδοση της διαδικασίας, στην οποία τα κύτταρα που βρίσκονται σε διάλυμα μπορούν να αναγνωριστούν και να αντιμετωπιστούν αυτόματα.

Καρκίνος θεραπεία νέα: Νέος τρόπος στόχευσης καρκινικών κυττάρων

Καρκίνος θεραπεία: η τεχνητή νοημοσύνη αποκαλύπτει το ιστορικό του όγκου

Καρκίνος πνεύμονα: Μορφή τεχνητής νοημοσύνης “βλέπει” σε βάθος 12ετίας

Η τεχνητή νοημοσύνη ανιχνεύει τον καρκίνο του πνεύμονα