Till innehåll på sidan

AI sparar tid och pengar i jakten på tumörer

Högupplöst spatial transkriptomik-bild.
Högupplöst spatial transkriptomik-bild.

NYHET

Publicerad 2021-12-01

Att studera små delar av mänsklig vävnad under mikroskop i jakten på sjukdomar har gjorts i många decennier. Nu har forskare vid bland annat KTH tagit hjälp av artificiell intelligens och utvecklat ett mer effektivt sätt att ställa exempelvis cancerdiagnoser.

Det är forskare vid KTH, Stanford University och Katholieke Universiteitte Leuven nu gjort är att de utgått från en större mängd vävnadsbilder tagna i ett mikroskop, kallade histologiska bilder. Därefter har de använt tidigare egenutvecklad och avancerad spatial (rumslig) transkriptomik för att plocka fram hela det så kallade genuttrycket för dessa vävnadsbilder. Tekniken möjliggör bland annat en uppfattning var olika celltyper befinner sig i olika vävnader och ger forskare en förståelse för hur celler kommunicerar och påverkar varandra.

Allt mer populärt

Slutligen har forskarna kombinerat dessa två metoder och resurser och låtit artificiell intelligens (AI) gå igenom den samlade datan, det vill säga vävnadsbilder och genuttryck. Därmed har de utvecklat ett verktyg som kan analysera en ny vävnadbild och låta AI fatta ett berätta om vad den den ser; cancervävnad eller andra förändringar.

– Att titta på vävnad i mikroskop har varit framgångsrikt och är idag det sätt man diagnosticerar ett flertal typer av tumörer. Begränsningen ligger i att man bara kan titta på strukturen av celler, säger Joakim Lundeberg, professor i genteknik på KTH och en av forskarna bakom arbetet.

Att låta AI titta på tusentals mikroskopbilder för att lära sig vävnadsmönster att bedöma frisk och sjuk vävnad har blivit ett allt mer populärt sätt att förenkla diagnostiken och denna typ av digital patologi har också varit relativt framgångsrikt.

– Genom att lära oss hur histologi hänger samman med genuttryck kan vi förbättra upplösningen i data från metoder för spatial transkriptomik, säger Ludvig Bergenstråhle, doktorand i genteknik på KTH, ytterligare en av forskarna bakom forskningsarbetet.

Billigare och bättre

En tanke med forskarnas teknik är att låta den ersätta dyrare experiment. Hur går det att spara tid och pengar med deras verktyg och metod?

– Modellen kan appliceras på histologiska bilder utan tillhörande genuttrycksdata så länge det finns lämpliga referensexperiment med spatial transkriptomik. Eftersom de histologiska bilderna är mindre kostsamma att ta fram än genuttrycksdatan, gör metoden det möjligt att analysera genuttryck i betydligt fler vävnadssnitt än vad som tidigare varit möjligt. Och att känna till genuttryck är väsentligt mer informativt än bara histologiska bilder, säger Joakim Lundeberg.

Han lägger till att forskarna får fram data lika snabbt som vid rutinanalys av vävnader inom vården, men eftersom de även kan beskriva vilka gener som är aktiva i olika delar av vävnaden så blir det mycket mer exakt. På sikt kan det underlätta nästa steg, det vill säga vilken behandling läkarna ska sätta in men också förbättra tidig upptäckt av tumörer. 

Forskningen har finansierats av Cancerfonden, Knut och Alice Wallenbergs Stiftelse, Familjen Erling-Perssons Stiftelse, Stiftelsen för Strategisk Forskning, Vetenskapsrådet och Leona M. and Harry B. Helmsley Charitable Trust.

Text: Peter Ardell

För mer information, kontakta Joakim Lundeberg  på joakim.lundeberg@scilifelab.se.

KTH Taggar:
Innehållsansvarig:press@kth.se
Tillhör: Aktuellt
Senast ändrad: 2021-12-01