Einführung eines KI-Modells zur Verfolgung von Krebstumoren auf zellulärer Ebene

In einem Beitrag auf der Website der NVIDIA Technology Corporation (USA) vom 4. Februar heißt es, dass das kürzlich von BioTuring angekündigte KI-Modell Wissenschaftlern dabei helfen kann, zu klären, wie und warum bestimmte Beziehungen zwischen Zellen die Entstehung von Krebs auslösen.

BioTuring hat ein KI-Modell angekündigt, das detaillierte Bilder von Krebstumoren in zellulärer Auflösung erzeugen kann. Diese Bilder liefern Daten über Größe und Form der Zellen, welche Gene aktiviert sind und – was wichtig ist – die relative räumliche Lage von Millionen verschiedener Zellen in einer Gewebeprobe.

Im Vergleich zur Computerbiologie bietet das neue KI-Modell Vorteile bei der Informationsverarbeitungszeit und bietet hochauflösende Echtzeit-Einblicke in die Wechselwirkungen zwischen Krebszellen und dem Immunsystem.

„Der menschliche Körper besteht aus etwa 30 Billionen Zellen, und ein großer Tumor hat mehrere Millionen Zellen“, sagte Son Pham, CEO von BioTuring. „Stellen Sie sich vor, Sie würden hochauflösende Satellitenbilder analysieren, um zu verstehen, wie eine Stadt funktioniert. Unser Modell würde Ihnen aus biologischer Sicht jedes Haus zeigen, was darin ist, wer spricht und was die Leute sagen“, sagte er und erklärte, dass das KI-Modell von BioTuring dazu beitragen wird, einige der komplexen Herausforderungen der klinischen Krebsforschung zu lösen – indem es zeigt, wie Zellen interagieren.

BioTuring, ein Mitglied des NVIDIA Inception-Programms für Startups, nutzte NVIDIA-Geräte und -Technologie, um eine hochauflösende Zellkarte zu erstellen. Durch das Verständnis des Wachstums und der Ausbreitung von Krebszellen im menschlichen Körper hoffen die Wissenschaftler, dass das KI-Modell Screening-Methoden zur Krebsfrüherkennung verbessern kann.

Darüber hinaus könnten Forscher die zellulären Details des Modells nutzen, um die Tumorheterogenität besser zu verstehen, also wie Krebstumore desselben Patienten Zellen aufweisen, die sich deutlich voneinander unterscheiden. Die visuelle Granularität des KI-Modells könnte auch bei der Entwicklung von Krebsmedikamenten hilfreich sein.