- Microsoft Research разработала систему GigaTIME, которая преобразует недорогие гистологические слайды в виртуальные изображения с мультиплексной иммунофлуоресценцией (mIF) для моделирования рака.
- GigaTIME была применена к данным 14 256 пациентов, создав виртуальную популяцию из около 300 000 изображений, охватывающих 24 типа рака и 306 подтипов.
- Результаты исследования подтверждены независимой валидацией на данных более 10 000 пациентов из базы TCGA, демонстрируя высокую корреляцию и масштабируемость модели.
Microsoft Research представила инновационный подход к изучению опухолевого микроокружения с помощью искусственного интеллекта. В новой статье, опубликованной в журнале Cell, исследователи описали систему под названием GigaTIME — мультимодальную AI-модель, преобразующую стандартные гистологические слайды (H&E), которые стоят всего 5–10 долларов, в виртуальные мультиплексные изображения с множественными протеиновыми каналами (mIF). Обычно стоимость mIF анализа достигает нескольких тысяч долларов на образец, что значительно ограничивало возможность масштабных исследований.
Используя данные по 40 миллионам клеток из базы Providence, GigaTIME генерирует информацию по 21 протеиновому каналу, включая ключевые маркеры иммунной активности, такие как CD3, CD8, PD-L1 и Caspase 3. Это открывает новые возможности для детального изучения взаимодействия опухоли с иммунной системой, что в свою очередь критично для предсказания эффективности иммунотерапии.
В рамках исследования систему применили к данным 14 256 пациентов из 51 больницы сети Providence. В результате появилась виртуальная популяция около 300 000 mIF-изображений, охватывающая 24 типа рака и 306 подтипов. Это беспрецедентный масштаб популяционного исследования микроокружения опухоли на основе пространственной протеомики. Ранее подобные исследования были невозможны из-за слишком высокой стоимости mIF-анализа и ограниченного числа образцов.
Анализ виртуальной популяции выявил более тысячи статистически значимых связей между активацией белков и клиническими характеристиками пациентов, такими как биомаркеры (TMB, KRAS, KMT2D), стадии рака и показатели выживаемости. Важным подтверждением валидности модели стало независимое тестирование на базе The Cancer Genome Atlas (TCGA) с участием более 10 000 пациентов, которое выявило высокую корреляцию (0,88) результатов по активации белков между разными наборами данных.
GigaTIME является логичным развитием предыдущего проекта Microsoft Research — GigaPath, модели для цифровой патологии, способной анализировать гигапиксельные слайды. В отличие от GigaPath, которая оценивает биомаркеры в усредненном виде по всему слайду, GigaTIME способна моделировать пространственное распределение состояний отдельных клеток в микроокружении опухоли.
Это важно, поскольку природа микроокружения определяет иммунный ответ на опухоль. «Холодные» опухоли, не вызывающие реакции иммунной системы, менее чувствительны к терапии, а «горячие» чаще поддаются лечению. Понимание сложной «грамматики» таких взаимодействий поможет не только предсказать ответ на лечение, но и разработать методы превращения «холодных» опухолей в «горячие», тем самым повышая эффективность терапий.
Таким образом, GigaTIME открывает перспективы значительного расширения возможностей персонализированной медицины и революционизирует исследования рака благодаря масштабируемому и экономичному подходу к анализу опухолевого микроокружения.
