Mapas de activaci\u00f3n del modelo de red neuronal para la tinci\u00f3n digital de tumores. Cr\u00e9dito: Instituto Tecnol\u00f3gico de Massachusetts <\/p>\n
Los portaobjetos de biopsia de tejido te\u00f1idos con colorantes de hematoxilina y eosina (H&E) son una piedra angular de la histopatolog\u00eda, especialmente para los pat\u00f3logos que necesitan diagnosticar y determinar la etapa de los c\u00e1nceres. Un equipo de investigaci\u00f3n dirigido por cient\u00edficos del MIT en el Media Lab, en colaboraci\u00f3n con m\u00e9dicos de la Facultad de Medicina de la Universidad de Stanford y la Facultad de Medicina de Harvard, ahora muestra que los escaneos digitales de estos portaobjetos de biopsia se pueden te\u00f1ir computacionalmente, utilizando algoritmos de aprendizaje profundo entrenados en datos de datos f\u00edsicos. diapositivas te\u00f1idas. <\/p>\n
Los pat\u00f3logos que examinaron las im\u00e1genes de los portaobjetos de H&E te\u00f1idos computacionalmente en un estudio ciego no pudieron diferenciarlos de los portaobjetos te\u00f1idos tradicionalmente mientras los usaban para identificar y clasificar con precisi\u00f3n los c\u00e1nceres de pr\u00f3stata. Adem\u00e1s, los portaobjetos tambi\u00e9n podr\u00edan \u00abdescolorarse\u00bb computacionalmente de una manera que los restablezca a un estado original para su uso en estudios futuros, concluyen los investigadores en su estudio del 20 de mayo publicado en JAMA Network Open.<\/p>\n
Este proceso de tinci\u00f3n y decoloraci\u00f3n digital computacional conserva peque\u00f1as cantidades de tejido biopsiado de pacientes con c\u00e1ncer y permite a los investigadores y m\u00e9dicos analizar portaobjetos para m\u00faltiples tipos de pruebas de diagn\u00f3stico y pron\u00f3stico, sin necesidad de extraer secciones de tejido adicionales.<\/p>\n
\u00abNuestro desarrollo de una herramienta de decoloraci\u00f3n puede permitirnos expandir enormemente nuestra capacidad para realizar investigaciones en millones de portaobjetos archivados con datos de resultados cl\u00ednicos conocidos\u00bb, dice Alarice Lowe, profesora asociada de patolog\u00eda y directora de Circulating Tumor Cell Lab en la Universidad de Stanford, quien fue coautor del art\u00edculo. \u00abLas posibilidades de aplicar este trabajo y validar rigurosamente los hallazgos son realmente ilimitadas\u00bb.<\/p>\n
Los investigadores tambi\u00e9n analizaron los pasos mediante los cuales las redes neuronales de aprendizaje profundo ti\u00f1eron las diapositivas, lo cual es clave para la traducci\u00f3n cl\u00ednica de estos datos profundos. sistemas de aprendizaje, dice Pratik Shah, cient\u00edfico investigador principal del MIT y autor principal del estudio.<\/p>\n
\u00abEl problema es el tejido, la soluci\u00f3n es un algoritmo, pero tambi\u00e9n necesitamos la ratificaci\u00f3n de los resultados generados por estos sistemas de aprendizaje, \u00bb \u00e9l dice. \u00abEsto proporciona una explicaci\u00f3n y validaci\u00f3n de ensayos cl\u00ednicos aleatorizados de modelos de aprendizaje profundo y sus hallazgos para aplicaciones cl\u00ednicas\u00bb.<\/p>\n
Otros colaboradores del MIT son el primer autor conjunto y asociado t\u00e9cnico Aman Rana (ahora en Amazon) y el posdoctorado del MIT Akram Bayat en el laboratorio de Shah. Los pat\u00f3logos de la Escuela de Medicina de Harvard, el Hospital Brigham and Women’s, la Escuela de Medicina de la Universidad de Boston y Veterans Affairs Boston Healthcare proporcionaron la validaci\u00f3n cl\u00ednica de los hallazgos.<\/p>\n
Creaci\u00f3n de diapositivas \u00abhermanas\u00bb<\/p>\n
Para crear diapositivas te\u00f1idas computacionalmente, Shah y sus colegas han estado entrenando redes neuronales profundas, que aprenden comparando pares de im\u00e1genes digitales de diapositivas de biopsia antes y despu\u00e9s de la tinci\u00f3n con H&E. Es una tarea muy adecuada para las redes neuronales, dijo Shah, \u00abya que son bastante poderosas para aprender una distribuci\u00f3n y mapeo de datos de una manera que los humanos no pueden aprender bien\u00bb.<\/p>\n
Shah llama a los pares \u00abhermanos \u201d, se\u00f1alando que el proceso entrena a la red mostr\u00e1ndoles miles de pares de hermanos. Despu\u00e9s del entrenamiento, dijo, la red solo necesita las im\u00e1genes de biopsia no te\u00f1idas \u00abhermanas de bajo costo y ampliamente disponibles y f\u00e1ciles de manejar\u00bb para generar nuevas im\u00e1genes te\u00f1idas computacionalmente con H&E, o al rev\u00e9s, donde una imagen te\u00f1ida con tinte H&E es virtualmente deste\u00f1ido.<\/p>\n
En el estudio actual, los investigadores entrenaron a la red usando 87\u00a0000 parches de imagen (peque\u00f1as secciones de las im\u00e1genes digitales completas) escaneadas a partir de biopsias de tejido de pr\u00f3stata de 38 hombres tratados en el Brigham and Women’s Hospital entre 2014 y 2017. Los tejidos y los registros electr\u00f3nicos de salud de los pacientes se desidentificaron como parte del estudio.<\/p>\n
Cuando Shah y sus colegas compararon p\u00edxel por p\u00edxel im\u00e1genes te\u00f1idas con tinci\u00f3n normal y te\u00f1idas computacionalmente, encontraron que el Las redes neuronales realizaron una tinci\u00f3n H&E virtual precisa, creando im\u00e1genes que eran entre un 90 y un 96 por ciento similares a las versiones te\u00f1idas. Los algoritmos de aprendizaje profundo tambi\u00e9n podr\u00edan revertir el proceso, quitando la tinci\u00f3n de los portaobjetos coloreados computacionalmente a su estado original con un grado similar de precisi\u00f3n.<\/p>\n
\u00abEste trabajo ha demostrado que los algoritmos inform\u00e1ticos pueden tomar tejido no te\u00f1ido de manera confiable y realizar la tinci\u00f3n histoqu\u00edmica usando H&E\u00bb, dice Lowe, quien dijo que el proceso tambi\u00e9n \u00absienta las bases\u00bb para usar otras tinciones y m\u00e9todos anal\u00edticos que los pat\u00f3logos usan regularmente.<\/p>\n
Los portaobjetos te\u00f1idos computacionalmente podr\u00edan ayudar a automatizar el proceso que requiere mucho tiempo proceso de te\u00f1ido de portaobjetos, pero Shah dijo que la capacidad de deste\u00f1ir y conservar im\u00e1genes para uso futuro es la verdadera ventaja de las t\u00e9cnicas de aprendizaje profundo. \u00abEn realidad, no solo estamos resolviendo un problema de tinci\u00f3n, tambi\u00e9n estamos resolviendo un problema de conservaci\u00f3n del tejido\u00bb, dijo.<\/p>\n
Software como dispositivo m\u00e9dico<\/p>\n
Como parte del estudio, cuatro pat\u00f3logos expertos capacitados y certificados por la junta etiquetaron 13 juegos de portaobjetos te\u00f1idos computacionalmente y te\u00f1idos tradicionalmente para identificar y calificar tumores potenciales. En la primera ronda, dos pat\u00f3logos seleccionados al azar recibieron im\u00e1genes te\u00f1idas computacionalmente, mientras que las im\u00e1genes te\u00f1idas con colorante H&E se entregaron a los otros dos pat\u00f3logos. Despu\u00e9s de un per\u00edodo de cuatro semanas, los conjuntos de im\u00e1genes se intercambiaron entre los pat\u00f3logos y se realiz\u00f3 otra ronda de anotaciones. Hubo una superposici\u00f3n del 95 por ciento en las anotaciones hechas por los pat\u00f3logos en los dos juegos de diapositivas. \u00abLos lectores humanos no podr\u00edan distinguirlos\u00bb, dice Shah.<\/p>\n
Las evaluaciones de los pat\u00f3logos de los portaobjetos te\u00f1idos computacionalmente tambi\u00e9n coincidieron con la mayor\u00eda de los diagn\u00f3sticos cl\u00ednicos iniciales incluidos en los registros de salud electr\u00f3nicos del paciente. En dos casos, las im\u00e1genes te\u00f1idas computacionalmente anularon los diagn\u00f3sticos originales, encontraron los investigadores.<\/p>\n
\u00abEl hecho de que los diagn\u00f3sticos con mayor precisi\u00f3n se pudieran representar en im\u00e1genes te\u00f1idas digitalmente habla de la alta fidelidad de la calidad de la imagen \u00ab, dice Lowe.<\/p>\n
Otra parte importante del estudio involucr\u00f3 el uso de m\u00e9todos novedosos para visualizar y explicar c\u00f3mo las redes neuronales ensamblaron im\u00e1genes te\u00f1idas y deste\u00f1idas computacionalmente. Esto se hizo creando una visualizaci\u00f3n p\u00edxel por p\u00edxel y una explicaci\u00f3n del proceso utilizando mapas de activaci\u00f3n de modelos de redes neuronales correspondientes a tumores y otras caracter\u00edsticas utilizadas por los m\u00e9dicos para diagn\u00f3sticos diferenciales.<\/p>\n
Este tipo de an\u00e1lisis ayuda a crear un proceso de verificaci\u00f3n que se necesita al evaluar \u00absoftware como dispositivo m\u00e9dico\u00bb, dice Shah, quien est\u00e1 trabajando con la Administraci\u00f3n de Drogas y Alimentos de EE. UU. en formas de regular y traducir la medicina computacional para aplicaciones cl\u00ednicas.<\/p>\n
\u00bb La pregunta ha sido, \u00bfc\u00f3mo llevamos esta tecnolog\u00eda a los entornos cl\u00ednicos para maximizar el beneficio para los pacientes y los m\u00e9dicos?\u00bb. Shah dice. \u00abEl proceso de sacar esta tecnolog\u00eda implica todos estos pasos: datos de alta calidad, inform\u00e1tica, explicaci\u00f3n del modelo y rendimiento de evaluaci\u00f3n comparativa, visualizaci\u00f3n de im\u00e1genes y colaboraci\u00f3n con los m\u00e9dicos para m\u00faltiples rondas de evaluaciones\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
El nuevo modelo de IA clasifica con precisi\u00f3n los p\u00f3lipos colorrectales usando portaobjetos de 24 instituciones M\u00e1s informaci\u00f3n:<\/strong> Aman Rana et al. Uso del aprendizaje profundo para desarrollar y analizar la tinci\u00f3n computacional con hematoxilina y eosina de im\u00e1genes de biopsias del n\u00facleo de la pr\u00f3stata para el diagn\u00f3stico de tumores, JAMA Network Open (2020). DOI: 10.1001\/jamanetworkopen.2020.5111 Informaci\u00f3n de la revista:<\/strong> JAMA Network Open <\/p>\n Proporcionado por el Instituto de Tecnolog\u00eda de Massachusetts Cita<\/strong>: El aprendizaje profundo ti\u00f1e con precisi\u00f3n los portaobjetos de biopsia digital (2020, mayo 25) recuperado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-05-deep-accurately-digital-biopsy.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Mapas de activaci\u00f3n del modelo de red neuronal para la tinci\u00f3n digital de tumores. Cr\u00e9dito: Instituto Tecnol\u00f3gico de Massachusetts Los portaobjetos de biopsia de tejido te\u00f1idos con colorantes de hematoxilina y eosina (H&E) son una piedra angular de la histopatolog\u00eda, especialmente para los pat\u00f3logos que necesitan diagnosticar y determinar la etapa de los c\u00e1nceres. Un … Continuar leyendo \u00abEl aprendizaje profundo ti\u00f1e con precisi\u00f3n los portaobjetos de biopsia digital\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-26203","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/26203","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=26203"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/26203\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=26203"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=26203"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=26203"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}