Nova ferramenta AI pode ajudar a diagnosticar doenças neurodegenerativas

O Monte Sinai cria um novo sistema de aprendizagem profunda para doenças neurodegenerativas.

Fonte: geralt / pixabay

Recentemente, uma equipe liderada por pesquisadores pioneiros da Escola de Medicina Mount Sinai, em Nova York, criou uma das primeiras plataformas usando dados de imagem em larga escala em neuropatologia para construir e avaliar algoritmos de aprendizagem profunda.

Em um estudo publicado há algumas semanas na Nature’s Laboratory Investigation , a revista oficial dos Estados Unidos e da Academia Canadense de Patologia, pesquisadores do Monte Sinai desenvolveram um novo algoritmo de aprendizagem profunda usando redes neurais convolucionais. O algoritmo pode reconhecer, classificar e quantificar elementos de diagnóstico de tauopatias – distúrbios neurodegenerativos que podem ter inclusões gliais ou neuronais feitas de tau, uma proteína de ligação a microtúbulos.

• Por que devemos conversar com nossos filhos sobre o True Grit
• Prevenção de suicídio adolescente: como inocular seus filhos
• Hilma af Klint: Synesthete
• Por trás das cenas
• Azarado no amor? Você pode culpar seu adolescente?

O material histopatológico utilizado para o estudo foi derivado de vinte e dois cérebros de autópsia humana de pacientes com tauopatias. A tau patológica nos neurônios forma os emaranhados neurofibrilares (NFT). As seções foram digitalizadas e enviadas para uma plataforma de informática no Centro de Patologia Computacional e de Sistemas do Mount Sinai. Mais de 80 milhões de testes por ano são processados ​​no Departamento de Patologia do Mount Sinai, um dos maiores departamentos de patologia acadêmica do país, com 62 patologistas em tempo integral e 900 histologistas e técnicos de laboratório.

O sistema de rede convolucional foi treinado pelas imagens digitalizadas. A equipe implantou a versão modificada da arquitetura totalmente convolucional SegNet para a geração de redes neurais convolucionais profundas, e utilizou gradiente estocástico de descida para a função de perda diferencial.

Curiosamente, as iterações de atualização foram realizadas em “hardware de GPU de commodity” para processamento paralelo eficiente. O modelo de rede neural foi construído usando o pacote de software PyTorch.

• Você pode reconhecer os sinais de aviso de vício em videogame?
• Vozes autênticas
• 4 maneiras chaves que sua infância lhe dá forma
• Quando seu filho de 8 anos te pergunta sobre o desafio Momo
• Feedback baseado em valores: formulários para professores de escolas

Os pesquisadores descobriram um método que utiliza o aprendizado profundo para melhorar o exame dos tecidos e complementar as técnicas usadas em geral e parcialmente quantitativas e qualitativas. Como resultado, o novo sistema de aprendizagem profunda da equipe fornece um método rápido, reproduzível e imparcial para “aumentar a contagem manual de trabalho intensivo das características histopatológicas”.

Atualmente, não se sabe exatamente como a tau patológica afeta os distúrbios neuronais. Com essa estrutura inovadora, os cientistas têm uma maneira de acessar dados quantitativos reproduzíveis para correlações clinicopatológicas para ajudar na pesquisa da patogênese de tauopatias, como a doença de Alzheimer.

Copyright © 2019 Cami Rosso Todos os direitos reservados.

Referências

Signaevsky, Máximo, Prastawa, Marcel, Farrell, Kurt, Tabish, Nabil, Balduíno, Elena, Han, Natalia, Lida, Megan A, Koll, João, Bryce, Clare, Purohit, Dushyant, Haroutunian, Vahram, McKee, Ann C ., Stein, Thor D., White III, Charles L., Walker, Jamie, Richardson, Timothy E., Hanson, Russell, Donovan, Michael J., Cordon-Cardo, Carlos, Zeineh, Jack, Fernandez, Gerardo, Crary , John F .. ”Inteligência artificial em neuropatologia: avaliação baseada em aprendizagem profunda de tauopatia.” Investigação laboratorial. 15 de fevereiro de 2019.

Irwin, David. Tauopatias como Entidades Clinicopatológicas. Distúrbios Relacionados ao Parkinsonismo. 22 de janeiro de 2016.

O Mount Sinai Hospital / Escola de Medicina Mount Sinai (2 de outubro de 2018). “O teste de patologia usa a IA para prever a progressão do câncer de próstata após a cirurgia”. Recuperado em 3-7-2019 de https://www.eurekalert.org/pub_releases/2018-10/tmsh-ptu100218.php