Uma equipe conjunta de pesquisa liderada pelo Professor Chulhong Kim da POSTECH e pelo Professor Chan Kwon Jung do Hospital St. Mary’s de Seul da Catholic University of Korea desenvolveu um sistema de inteligência artificial (IA) para analisar imagens histológicas fotoacústicas sem coloração de tecido de câncer de fígado humano. Seus resultados de pesquisa foram publicados recentemente na "Light: Science and Applications", uma revista internacional de óptica e fotônica.
A histologia é crucial para diagnosticar doenças e desenvolver planos de tratamento adequados. Normalmente, o tecido removido precisa ser corado sob um microscópio, o que causa trabalho adicional e custos devido ao uso de produtos químicos. A histologia fotoacústica (PAH) foi desenvolvida para mitigar esses problemas. A PAH gera imagens detectando sinais sonoros (ultrassom) produzidos por biomoléculas quando iluminadas por luz (laser), eliminando a necessidade de coloração e marcação. No entanto, a PAH era inicialmente desconhecida para os patologistas, dificultando a interpretação e o diagnóstico, e levando a uma precisão relativamente baixa.
Neste estudo, os pesquisadores integraram a PAH com modelos de aprendizado profundo de ponta, permitindo a coloração virtual, segmentação e classificação de imagens de tecidos humanos.
Primeiro, na "etapa de coloração virtual", imagens em preto e branco sem marcação – contendo núcleos e citoplasma celulares – são convertidas em imagens que imitam amostras coradas. Esta etapa visa gerar imagens que se assemelham a amostras coradas reais, preservando as estruturas do tecido. Métodos explicáveis de aprendizado profundo são empregados para aumentar a confiabilidade dos resultados da coloração virtual.
Em seguida, na "etapa de segmentação", a imagem sem marcação e os dados de coloração virtual são usados para segmentar características da amostra, como área celular, contagem celular e distâncias intercelulares. Finalmente, na "etapa de classificação", o modelo usa a imagem sem marcação, a imagem de coloração virtual e os dados de segmentação para classificar se os tecidos são cancerosos ou não.
Os pesquisadores aplicaram seu modelo de aprendizado profundo às imagens PAH de tecido de câncer de fígado humano. O modelo de IA, integrando "coloração virtual", "segmentação" e "classificação", alcançou uma alta precisão de 98% na distinção entre células hepáticas cancerosas e não cancerosas. Notavelmente, o modelo demonstrou uma sensibilidade de 100% quando avaliado por três patologistas, destacando seu potencial para aplicação clínica.
https://www.nature.com/articles/s41377-024-01554-7
