Forskare tar nytt AI-grepp för att analysera tumörer
Forskare vid Karolinska Institutet och SciLifeLab har kombinerat AI-tekniker (artificiell intelligens) som används inom satellitavbildning och ekologisk forskning av organismsamhällen för att tolka stora mängder data från tumörvävnad. Metoden, som presenteras i tidskriften Nature Communications, kan i förlängningen bidra till mer individanpassad behandling av cancerpatienter.
De senaste framstegen inom tumöravbildning ger en fantastisk inblick i tumörernas mikroskopiska värld, men den stora utmaningen är att tolka de enorma mängder data som genereras. Med hundratals molekyler som mäts samtidigt i tiotusentals eller hundratusentals celler, har det blivit svårt för forskare att veta vilka molekyler och celler de ska fokusera på.
AI-metoder kan i princip hjälpa forskare att analysera stora datamängder och avgöra vad de ska fokusera på, men traditionell AI som djupa neurala nätverk utför ofta uppgifter utan att ge tydliga förklaringar som är begripliga för människor. Detaljer om hur processen fungerar är dolda eller svårtillgängliga i en så kallad svart låda. Forskarlaget vid Karolinska Institutet och SciLifeLab insåg begränsningarna med sådana metoder och sökte därför inspiration från andra områden. De identifierade att det finns väletablerade analystekniker inom satellitavbildning och ekologi som går tillbaka till 2000-talet respektive 1950-talet.
Liknar tolkningen av satellitbilder
Nya AI-metoder utvecklas kontinuerligt för att tolka data från satellitbilder, till exempel för att automatiskt identifiera städer, sjöar, skogar och öknar i stora satellitbilder. Inom ekologin används avancerade tekniker för att avslöja hur arter av växter, djur och mikroorganismer lever tillsammans i samhällen inom ett visst geografiskt område.
– Vi insåg att tolkningen av tumörbilder liknar tolkningen av satellitbilder och att relationerna mellan celler i en vävnad liknar relationerna mellan arter i organismsamhällen. Genom att kombinera tekniker som används inom satellitavbildning och ekologi och anpassa dem för analyser av tumörvävnad har vi nu kunnat omvandla komplexa data till nya insikter om hur cancer fungerar, berättar Jean Hausser, senior forskare vid institutionen för cell- och molekylärbiologi, Karolinska Institutet, som lett forskningen.
Skräddarsy cancerbehandlingar
Nästa steg är att tillämpa den nya metoden i kliniska prövningar. Forskarna samarbetar med ett stort cancersjukhus i Lyon, Frankrike, för att söka svar på varför enbart vissa patienter svarar på immunterapi mot cancer. I ett annat samarbete med Mayo Clinic i USA undersöker de varför vissa bröstcancerpatienter klarar sig bra utan cellgiftsbehandling.
– Med vår nya metod kan vi avslöja viktiga detaljer i tumörvävnad som kan ha betydelse för om en cancerbehandling fungerar eller inte. Det långsiktiga målet är att kunna skräddarsy cancerbehandlingar utifrån individuella behov och undvika onödiga biverkningar, säger Jean Hausser.
Forskningen finansierades huvudsakligen av Cancerfonden, Vetenskapsrådet och SciLifeLab. Det finns inga rapporterade intressekonflikter.
Publikation
“NIPMAP: niche-phenotype mapping of multiplex histology data by community ecology”, Anissa El Marrahi, Fabio Lipreri, Ziqi Kang, Louise Gsell, Alper Eroglu, David Alber, Jean Hausser, Nature Communications, online 7 november 2023, doi: 10.1038/s41467-023-42878-z.