İnsan & Sağlık

Yapay Zeka Tabanlı Bir Sistemle Kanser Hücrelerini Ayırt Etmek Mümkün

Yapay Zeka Tabanlı Bir Sistemle Kanser Hücrelerini Ayırt Etmek Mümkün


Bunlar kanser hücrelerinin ve radyorezistans hücrelerin temsili mikroskobik görüntüleridir.

Görsel Telif: Osaka Üniversitesi

Kanser hücrelerinin tipleri, aynı tür kanserde bile, bir hastadan diğerine çok büyük değişiklikler gösterebilir. Var olan hücre tiplerinin belirlenmesi ve tanımlanması, en etkili tedavi yolunu seçerken yararlı olabilir. Fakat bu yöntemler oldukça zaman alıcıdır ve çoğu zaman insan hatası ve insan görüşünün sınırları tarafından engellenir.

Osaka Üniversitesi’ndeki bir ekip bu sorunların üstesinde nasıl gelinebileceğini, farklı kanser hücrelerini mikroskobik olarak tarayan ve tanımlayabilen yapay zeka tabanlı bir sistemle göstermiştir. Bu yaklaşım, insan kararlarına oranla daha yüksek bir doğruluk elde ederek kanserin teşhisi ve tedavisi konusunda yeni bir döneme işaret etmektedir.

Sistem, insan görsel sisteminde (HVS-human visual system) modellenmiş bir yapay zeka biçimi olan evrişimsel(konvolüsyonel) bir sinir ağına dayanmaktadır. Cancer Research dergisinde yayınlanan çalışmada bu sistem, fare kanser hücrelerini insan kanser hücrelerinden, aynı zamanda onların radyasyona karşı direnç için seçilmiş olan eşdeğer (klon) hücrelerinden ayırmak için uygulanmıştır.

Ekipte yer alan Hideshi Ishii şöyle diyor: “Sistemimizi ilk önce faz kontrast mikroskobundan elde edilen 8.000 hücre görüntüsü üzerinde eğittik. Daha sonra sistemin doğruluğunu, bu hücre görüntülerinin haricinde elde ettiğimiz 2.000 görüntü üzerinde test ettik. Amacımız sistemimizin, fare kanser hücrelerini insan kanser hücrelerinden ve radyorezistans kanser hücrelerini radyosensitif olanlardan ayıran özellikleri öğrenip öğrenmediğini anlamaktı.”

Sistem tarafından elde edilen bulguların iki boyutlu bir grafiği oluşturulduktan sonra, her hücre tipi için sonuçlar birlikte kümelenmiştir. Birlikte kümelenmeye rağmen her hücre tipi diğerlerinden ayırt edilebilir bir şekildedir. Bu durum, eğitimden sonra, sistemin tek başına mikroskobik görüntülere dayanarak hücreleri doğru bir şekilde tanımlayabileceğini göstermiştir.

Ekip lideri Masayasu Toratani göre; bir tümörde veya kanser hastalarının vücut dolaşımında tam olarak hangi hücrelerin mevcut olduğunu belirlemek için bu sistemin hücreyi tanımlayabileceği otomasyon ve yüksek doğruluk çok yararlı olabilir. Örneğin, radyoterapinin etkili olup olmayacağına karar verirken radyorezistans hücrelerin mevcut olup olmadığını bilmek hayati önem taşır ve aynı yaklaşım, tedaviden sonra istenen etkiyi elde edip etmediğini görmek için uygulanabilir.

Ekip, gelecekte, sistemi daha fazla kanser hücresi tipi üzerinde eğitmeyi umuyor ve bu gibi tüm hücreleri otomatik olarak tanımlayan ve ayırt edebilen evrensel bir sistem kurmayı hedefliyor.

Story Source: Materials provided by Osaka University. Note: Content may be edited for style and length.

Journal Reference: Masayasu Toratani, Masamitsu Konno, Ayumu Asai, Jun Koseki, Koichi Kawamoto, Keisuke Tamari, Zhihao Li, Daisuke Sakai, Toshihiro Kudo, Taroh Satoh, Katsutoshi Sato, Daisuke Motooka, Daisuke Okuzaki, Yuichiro Doki, Masaki Mori, Kazuhiko Ogawa, Hideshi Ishii. A Convolutional Neural Network Uses Microscopic Images to Differentiate between Mouse and Human Cell Lines and Their Radioresistant Clones. Cancer Research, 2018; 78 (23): 6703 DOI: 10.1158/0008-5472.CAN-18-0653 

Kaynak: https://www.sciencedaily.com/releases/2018/12/181210101946.htm

Çeviri: Dilan BOÇNAK (Araştırmacı)

Eklenme Tarihi : 13 Aralık 2018

Yorum Yap