Bafalo universiteto mokslininkai, pasinaudodami skaitmeninės patologijos ir kompiuterinio modeliavimo galimybėmis, sukūrė naują metodą inkstų ląstelių struktūros pokyčiams aptikti ir kiekybiškai įvertinti.
Bafalo universiteto mokslininkai, pasinaudodami skaitmeninės patologijos ir kompiuterinio modeliavimo galimybėmis, sukūrė naują metodą inkstų ląstelių struktūros pokyčiams aptikti ir kiekybiškai įvertinti.
Asociatyvi „Pixabay“ nuotr.
Ankstyvosiose inkstų ligos stadijose specializuotos inkstų ląstelės, vadinamos podocitais, struktūros ir funkcijos pokyčiai yra žalingi. Šie pokyčiai yra pagrindiniai požymiai, rodantys, kad galutinės stadijos inkstų liga gali sukelti pražūtingą žalą, tačiau šias specializuotas ląsteles sunku aptikti.
Debesija pagrįsta priemonė, pavadinta „PodoSighter“, aprašyta „Journal of the American Society of Nephrology“. Ši sistema padeda aptikti sisteminius ir struktūrinius podocitais ląstelių pokyčius bei juos įvertinti.
Žmogaus sistemų supratimas
„Medicinos srityje žmogaus sistemų supratimas priklauso nuo didžiulių kiekių labai skirtingų tipų duomenų analizės“, – „Technology.org“ sakė daktaras Pinaki Sarder, vyriausiasis straipsnio autorius, patologijos ir anatomijos mokslų docentas. „Kyla klausimas, kaip sujungti visus šiuos duomenis, kad galėtume suprasti pagrindines žmogaus sistemas ir ligas?“
Jau dešimtmečius žinoma, kad podocitų kiekis ir tankis yra svarbūs ir diagnozuojant, ir prognozuojant galutinės stadijos inkstų ligas, tyrime rašė autoriai.
Ankstyvosiose inkstų ligos stadijose podocitai pradeda keisti formą, o ligai progresuojant jų skaičius mažėja. Sveikas žmogus turi daugiau podocitų nei sergantis. Jei vieną dieną galėsime stebėti podocitų nykimą, tada galėsime nustatyti ligos stadiją, rašoma „Technology.org“.
Vienas didžiausių iššūkių dirbant su biopsinio audinio vaizdais yra tai, kad juose yra didžiuliai duomenų kiekiai. Papildomas iššūkis, susijęs su podocitais, yra tas, kad jie randami giliai glomeruliuose – į maišelį panašiuose kapiliarų pluoštuose, kurie inkstuose rūpinasi pirmos eilės kraujo filtravimu.
Konvoliuciniai neuroniniai tinklai
Mokslininkų sukurtas sprendimas – naudoti mašininio mokymosi metodą, vadinamą konvoliuciniais neuroniniais tinklais. Tai mokymosi algoritmas, kuris gali išskirti konkrečius objektus vaizde. Jis buvo sukurtas tam tikru mastu remiantis būdais, kuriais žmogaus smegenų regos žievė apdoroja regimąją informaciją.
Šis metodas iš esmės apima kompiuterio „apmokymą“ aptikti podocitus. „Audinys paruošiamas klinikoje, o dirbtiniu intelektu paremtas metodas jį aptinka už jus“, – teigė mokslininkas. „Paspaudžiate mygtuką ir podocitai identifikuojami.“
Šiuo metu „PodoSighter“ pirmiausia yra mokslinių tyrimų įrankis, tačiau juo galima tirti ir gyvūnų, ir žmonių mėginius. Tikslas – galiausiai pradėti jį naudoti klinikose ir įprastai naudoti žmonėms, o tai, pasak mokslininkų, gali būti įmanoma jau po kelerių metų.
