“PodoSighter” menggunakan AI untuk mengidentifikasi indikator utama penyakit ginjal dini

  • Bagikan
“PodoSighter” menggunakan AI untuk mengidentifikasi indikator utama penyakit ginjal dini


Pada tahap awal penyakit ginjal, jenis khusus sel ginjal yang disebut podosit mengalami perubahan yang merusak baik dalam struktur maupun fungsinya. Perubahan-perubahan itu adalah indikator kunci dari kerusakan yang pada akhirnya menghancurkan yang dapat disebabkan oleh penyakit ginjal stadium akhir, tetapi sel-sel khusus ini sulit dideteksi.

Sekarang, peneliti Universitas di Buffalo telah memanfaatkan kekuatan patologi digital dan pemodelan komputasi untuk mengembangkan pendekatan baru untuk mendeteksi dan mengukur podosit.

Alat berbasis cloud, yang disebut PodoSighter, dijelaskan dalam a kertas dalam Journal of American Society of Nephrology; penelitian ini sedang disorot di sampul jurnal edisi November.

Proyek ini adalah contoh bagaimana kemampuan komputasi canggih memungkinkan para ilmuwan untuk mengumpulkan informasi baru dari gambar kompleks struktur anatomi.

Memahami sistem manusia

“Dalam domain medis, memahami sistem manusia bergantung pada analisis sejumlah besar jenis data yang sangat berbeda,” kata Pinaki Sarder, PhD, penulis senior di makalah dan profesor patologi dan ilmu anatomi di Jacobs School of Medicine and Biomedical Sciences. . “Pertanyaannya adalah, bagaimana kita menggabungkan semua data ini untuk mencoba dan memahami sistem dan penyakit dasar manusia?”

Bekerja di bidang nefropatologi komputasi yang muncul, Sarder dan rekan-rekannya berfokus pada pengembangan pemahaman yang lebih baik tentang informasi yang ditemukan dalam gambar sampel biopsi ginjal.

“Sudah diketahui selama beberapa dekade bahwa kuantitas dan kepadatan podosit penting baik untuk diagnosis dan prognosis penyakit ginjal stadium akhir,” kata Darshana Govind, PhD, penulis pertama, yang melakukan pekerjaan doktoralnya di laboratorium Sarder. Dia sekarang menjadi ilmuwan data di Janssen Pharmaceuticals.

Pada tahap awal penyakit ginjal, podosit mulai berubah bentuk dan seiring perkembangan penyakit, jumlah podosit akan berkurang. “Orang yang sehat memiliki lebih banyak podosit daripada orang yang sakit,” jelas Sarder. “Jika suatu hari kita dapat melacak hilangnya podosit, maka kita dapat menentukan stadium penyakitnya.” Saat ini tidak mungkin, tapi itu salah satu tujuan penelitian UB.

Salah satu tantangan terbesar dalam menangani gambar jaringan yang dibiopsi adalah bahwa gambar tersebut mengandung sejumlah besar data. Tantangan tambahan dengan podosit adalah bahwa mereka ditemukan jauh di dalam glomeruli, kumpulan kapiler seperti kantung yang menangani filtrasi lini pertama darah di ginjal.

“Sangat menantang untuk mengidentifikasi podosit dalam sebuah gambar,” jelas Govind, mencatat ada begitu banyak sel di glomerulus sehingga sulit bahkan bagi ahli patologi terlatih untuk mengetahui inti mana yang termasuk dalam podosit. Berbagai jenis pewarnaan dapat digunakan untuk menyorot podosit, tetapi terkadang pewarnaan menyebabkan informasi gambar penting lainnya hilang.

Jaringan saraf konvolusi

Solusi yang mereka kembangkan adalah dengan menggunakan teknik pembelajaran mesin yang disebut jaringan saraf convolutional, sebuah algoritma pembelajaran yang dapat membedakan objek tertentu dalam sebuah gambar. Ini dikembangkan berdasarkan, sampai tingkat tertentu, pada cara korteks visual di otak manusia memproses informasi visual.

Teknik ini pada dasarnya melibatkan “pelatihan” komputer untuk mendeteksi podosit. “Tisu disiapkan di klinik dan metode berbasis AI mendeteksinya untuk Anda,” kata Govind. “Anda mengklik tombol dan podosit diidentifikasi.”

Informasi kepadatan juga disediakan. “PodoSighter tidak hanya mendeteksi podosit, tetapi juga mengeluarkan laporan tentang berapa banyak dari sel-sel ini yang diidentifikasi di setiap glomerulus dan kepadatannya, indikator kunci untuk perkembangan penyakit,” kata Sarder. Ia menjelaskan, seiring dengan perkembangan penyakit ginjal, ukuran glomerulus bertambah besar sementara jumlah podosit berkurang.

Saat ini terutama alat penelitian, PodoSighter dapat bekerja pada sampel dari hewan dan manusia. Tujuannya adalah untuk akhirnya menggunakan ini secara rutin di klinik untuk digunakan manusia, yang menurut para peneliti mungkin hanya dalam beberapa tahun.

Para peneliti melakukan beberapa pekerjaannya di Pusat Penelitian Komputasi UB.

Sarder menambahkan bahwa ada potensi luar biasa untuk penelitian semacam ini yang memanfaatkan kecerdasan buatan dalam kedokteran.

“Salah satu tujuan saya di UB tidak hanya untuk melakukan penelitian tetapi juga untuk mengembangkan tenaga kerja, dan itu sangat penting,” ujarnya. “Dr. Govind telah melakukan pekerjaan yang sangat baik dan sangat sulit untuk PhD-nya dan telah diterbitkan di jurnal terkemuka.” Dia mencatat bahwa sementara itu membaik, masih belum banyak wanita yang bekerja di bidang kecerdasan buatan saat ini.

“Ini menantang,” kata Govind, “karena Anda tidak melihat banyak wanita di lapangan. Saya ingin melihat lebih banyak wanita bergabung dengan STEM dan ilmu data. Ini adalah bidang yang bagus untuk dimasuki. Sulit untuk menjadi satu wanita di ruangan yang penuh dengan pria, jadi saya mendorong lebih banyak wanita untuk bergabung dengan tim AI. Ada banyak penelitian mutakhir dan Anda benar-benar mengubah hidup, menggunakan AI yang diterapkan pada perawatan kesehatan.”

Sumber: Universitas Negeri New York di Buffalo





Source link

  • Bagikan

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *