Platí tak, že na vývoji účinné léčby nádorových onemocnění se podílejí informatici z katedry kybernetiky Fakulty elektrotechnické ČVUT. Spolupracují s vědci z Lékařské fakulty Univerzity Palackého v Olomouci, konkrétně z jejího Ústavu molekulární a translační medicíny.

Technika zvládá, co lidské oko nedokáže

Ředitel olomouckého ústavu Marián Hajdúch, který je současně lékařským ředitelem Národního ústavu pro výzkum rakoviny, připomíná, že využívání umělé inteligence není novinkou. „Její praktické aplikace se již rutinně používají v radiologické diagnostice, v histopatologii nebo při endoskopickém vyšetření,“ sdělil, že z jejího uplatnění už mají prospěch konkrétní pacienti.

Novinkou rozvinutou společně s týmem Jana Kybice, který na ČVUT vede skupinu Algoritmy pro biomedicínské zobrazování, je využití umělé inteligence přímo v oblasti vývoje léčiv.

Její nasazení pomáhá tam, kde už lidské schopnosti nestačí. „Dlouhodobě jsme se domnívali, že z reakce buněk na potenciální léčivo v čase lze odhadnout mechanismus jeho účinku, který je ovšem lidským okem a mozkem nevyhodnotitelný,“ vysvětlil docent Hajdúch, v čem umělá inteligence pomáhá. Její analýzy obrazu buněk vystavených působení léčiv prý předčily očekávání. „Podařilo se nám rozlišit i účinek chemicky a mechanisticky velmi příbuzných látek,“ vyzdvihl.

Profesor Kybic úspěch potvrzuje. „Pravděpodobnost správné klasifikace do jedné ze tří skupin u naší metody překračuje 98 procent, čímž překonáváme předchozí metody.“

Praktickým přínosem je právě urychlení a usnadnění vývoje preparátů schopných rakovinu potírat. „Otevírá to cestu k mnohem jednoduššímu vysokokapacitnímu buněčnému screeningu, který přispěje k rychlejšímu vývoji nových protinádorových léčiv,“ vysvětlil Kybic.

Chvíle učení, pak rychlé výsledky

Podstatné pro tento pokrok je, jak se informatikům z ČVUT podařilo zdokonalit strojové učení právě se zaměřením na toto konkrétní využití. Pro analýzu obrazů buněk pod vlivem různých chemických látek využívají časosběrné snímky z fázové kontrastní mikroskopie, pořízené v Ústavu molekulární a translační medicíny.

ČVUT se stará o vlastní vyhodnocení v rámci počítačového zpracování. Uplatňuje při tom podle Kybice konvoluční neuronovou síť, která už je vycvičená přímo na vstupních snímcích z fázové kontrastní mikroskopie. „Vyhodnocení účinku jedné kontrastní látky pak trvá několik vteřin na obrázek za předpokladu, že je neuronová síť již vytrénovaná, což zabere několik dní,“ upřesnil.

Mnoho měsíců ale trvalo naprogramování sítě a navržení vhodných algoritmů. Je to zejména dílem Denise Barućiče a Sumita Kaushika; doktoranda a postdoktoranda z Kybicova týmu. Velkým plusem je využívání superpočítače RCI v prostorách ČVUT s velmi vysokým výpočetním výkonem.

Navázat na tyhle zkušenosti chce tým v dalších fázích výzkumu, kdy se počítá s posuzováním účinku dalších stovek chemických látek. A také s mapováním více faktorů: třeba s rozborem různých mechanismů účinku nebo zohledněním rozdílných typů buněčných linií. Že společné bádání s ČVUT má pokračovat, potvrzuje i Hajdúch z Ústavu molekulární a translační medicíny. „A rádi rozšíříme naši spolupráci i o další týmy zabývající se umělou inteligencí,“ poznamenal.