Раковая опухоль — это не просто скопление изменённых клеток. Внутри неё существует сложная среда, где злокачественные клетки соседствуют с иммунными, кровеносными сосудами и соединительной тканью. Их взаимное расположение может многое рассказать о развитии заболевания и реакции на лечение. Исследователи из Федеральной политехнической школы Лозанны (EPFL) создали масштабный атлас тканей Spora, который должен помочь искусственному интеллекту изучать эти пространственные взаимосвязи.
Обычное микроскопическое исследование позволяет патологу оценить форму клеток, особенности их ядер и организацию ткани. Однако внешне похожие клетки могут выполнять совершенно разные функции. Например, иммунная клетка рядом с опухолью может участвовать в противоопухолевой защите, находиться в подавленном состоянии или поддерживать воспаление. Чтобы разобраться в происходящем, необходимо знать не только расположение клеток, но и их молекулярные характеристики.
Для этого используют пространственную протеомику — группу методов, позволяющих измерять присутствие множества белков непосредственно в тканевом образце, сохраняя сведения о местоположении клеток. Белки служат структурными компонентами клетки, рецепторами, ферментами и участниками сигнальных процессов. Их распределение помогает исследователям определять клеточные типы и функциональные состояния. В отличие от обычного анализа измельчённой ткани, пространственные методы сохраняют информацию о соседстве клеток.
Представьте фотографию большого города, на которой видны только здания. По их форме можно приблизительно определить жилые кварталы, больницы и промышленные районы. Но если добавить сведения о том, кто находится внутри каждого здания и какие процессы там происходят, картина становится гораздо информативнее. Пространственная протеомика позволяет получить нечто подобное для живой ткани, объединяя её архитектуру с молекулярными характеристиками отдельных клеток.
Особенно важен такой подход в онкологии. Опухоли одного типа могут существенно различаться по количеству иммунных клеток, их расположению и активности. Иногда защитные клетки проникают глубоко внутрь опухолевой ткани, а иногда скапливаются преимущественно по её краям. Подобные особенности исследуют как возможные показатели биологического поведения опухоли и её чувствительности к иммунотерапии.
Однако у технологии существует серьёзное ограничение: результаты разных лабораторий трудно объединять. Одни исследователи измеряют несколько десятков белков, другие используют иной набор маркеров или другую систему визуализации. Отличаются способы подготовки образцов, качество изображений и форматы хранения данных. В результате даже большие коллекции оказываются недостаточно совместимыми для обучения универсальных моделей искусственного интеллекта.
Чтобы преодолеть эту проблему, команда под руководством Шарлотты Банне разработала Spora — унифицированный атлас пространственной протеомики. В него вошли 13 546 мультиплексных изображений тканей, полученных от 5477 пациентов. Мультиплексными называют изображения, в которых одновременно представлены сведения о нескольких молекулярных маркерах. Коллекция охватывает 14 типов тканей и данные, полученные с использованием пяти технологий визуализации.
Создание атласа заняло около двух лет. В работе участвовали специалисты EPFL, Европейского института биоинформатики EMBL-EBI, Цюрихского университета, университетских больниц Цюриха и Женевы, а также Женевского университета. Исследователям пришлось согласовать названия белков, клинические характеристики образцов и способы описания отдельных клеток. Кроме того, они систематизировали изображения так, чтобы результаты различных исследований можно было сопоставлять без повторной ручной обработки.
Важная особенность Spora заключается в сохранении исходного контекста данных. Атлас не превращает все изображения в искусственно одинаковые записи, скрывая различия между лабораториями. Напротив, исследователи могут узнать, каким методом получен образец, какие белки измерялись и какая клиническая информация доступна. Это позволяет учитывать технические ограничения и избегать ошибочных сравнений.
Там, где это было возможно, пространственные молекулярные изображения связали с обычными гистопатологическими снимками. Гистопатология изучает микроскопическое строение тканей и остаётся основой диагностики многих онкологических заболеваний. Сопоставление двух видов изображений позволяет исследовать, какие молекулярные особенности соответствуют изменениям, видимым при стандартном окрашивании препаратов. В перспективе это может помочь создавать алгоритмы, объединяющие морфологическую и молекулярную информацию.
Для искусственного интеллекта такая коллекция представляет особую ценность. Современные модели способны находить закономерности в изображениях, которые трудно заметить при визуальном анализе отдельных препаратов. Например, алгоритм может изучать расстояния между опухолевыми и иммунными клетками, выявлять повторяющиеся пространственные структуры и сопоставлять их с характеристиками заболевания. Но достоверность таких выводов зависит от качества и разнообразия обучающих данных.
Одна из главных проблем медицинского ИИ — недостаточная переносимость результатов. Модель может показывать высокую точность на изображениях из одной лаборатории, но ошибаться при анализе материалов другого учреждения. Причиной становятся различия оборудования, окрашивания, подготовки тканей и состава пациентов. Spora предоставляет инструменты для проверки алгоритмов на независимых наборах данных, позволяя оценивать не только их точность, но и устойчивость к подобным изменениям.
Разработчики также предусмотрели средства доступа к коллекции, анализа изображений и сравнения моделей. Это снижает необходимость каждый раз заново создавать инфраструктуру для обработки пространственных данных. Исследовательские группы смогут уделять больше внимания биологическим вопросам: как взаимодействуют клетки опухоли, какие структуры связаны с агрессивным ростом и почему некоторые опухоли лучше отвечают на лечение.
Однако наличие большого атласа ещё не означает, что искусственный интеллект научился самостоятельно диагностировать рак или выбирать терапию. Spora представляет собой исследовательскую инфраструктуру, а не готовую клиническую систему. Для применения подобных моделей в медицине необходимо подтвердить их точность на независимых пациентах, проверить устойчивость результатов и установить реальную пользу для принятия врачебных решений.
Существенное ограничение связано и с самими исходными данными. Разные исследования содержат неодинаковые наборы белковых маркеров и клинических характеристик. Поэтому не каждую биологическую гипотезу можно проверить на всей коллекции. Кроме того, представленная работа опубликована в виде препринта на arXiv и пока не прошла полноценное независимое научное рецензирование.
В дальнейшем разработчики планируют расширять атлас, добавляя новые ткани, заболевания и технологии визуализации. Главная цель заключается в том, чтобы перейти от анализа отдельных клеток к пониманию сложных тканевых сообществ. Если удастся установить устойчивые связи между пространственной организацией опухоли и клиническими исходами, такие знания могут помочь точнее прогнозировать развитие заболевания и оценивать перспективы лечения. Spora создаёт для этого общую основу, позволяя исследователям изучать рак не только как набор изменённых клеток, но и как сложную биологическую систему.
А затем «Добавить на главный экран».
