Helsingin yliopisto

Koneoppiva kuva-analyysi tunnistaa luotettavasti verisolujen pahanlaatuiset muutokset, joita silmä ei näe

Jaa

Neuroverkkopohjaisen kuva-analyysin avulla voidaan tunnistaa kudosnäytteistä ihmissilmälle vaikeasti eroteltavia yksityiskohtia. Helsingin yliopiston tutkimus osoitti, että menetelmän avulla voidaan selvittää tarkasti pahanlaatuista verisairautta, myelodysplastista oireyhtymää, sairastavan potilaan syöpäsolujen perimän muutokset.

Laskennallinen analyysi auttaa tunnistamaan luuydinnäytteistä piirteitä, jotka ovat ihmissilmälle vaikeasti tunnistettavia. Lähde: Machine Learning of Bone Marrow Histopathology Identifies Genetic and Clinical Determinants in MDS Patients. Oscar Brück, Susanna Lallukka-Brück, Helena Hohtari, Aleksandr Ianevski, Freja Ebeling, Panu E. Kovanen, Soili Kytölä, Tero Aittokallio, Pedro Marques Ramos, Kimmo Porkka and Satu Mustjoki. Blood Cancer Discov March 15 2021. DOI:10.1158/2643-3230.BCD-20-0162
Laskennallinen analyysi auttaa tunnistamaan luuydinnäytteistä piirteitä, jotka ovat ihmissilmälle vaikeasti tunnistettavia. Lähde: Machine Learning of Bone Marrow Histopathology Identifies Genetic and Clinical Determinants in MDS Patients. Oscar Brück, Susanna Lallukka-Brück, Helena Hohtari, Aleksandr Ianevski, Freja Ebeling, Panu E. Kovanen, Soili Kytölä, Tero Aittokallio, Pedro Marques Ramos, Kimmo Porkka and Satu Mustjoki. Blood Cancer Discov March 15 2021. DOI:10.1158/2643-3230.BCD-20-0162

Myelodysplastinen oireyhtymä (MDS) on luuytimen kantasolujen sairaus, jossa verisolujen kasvu ja erilaistuminen luuytimessä häiriintyy. Vuosittain noin 200 suomalaisella todetaan MDS. Kansainvälisesti oireyhtymän ilmaantuvuus on neljä tapausta 100 000 henkilövuotta kohti. Oireyhtymä voi johtaa akuuttiin leukemiaan.

MDS-taudin diagnosoimiseksi tarvitaan luuydinnäyte, josta tutkitaan myös luuytimen solujen perimän muutokset. Oireyhtymä on jaettu alaryhmiin taudin luonteen tarkemmaksi määrittelemiseksi.

Helsingin yliopistossa tutkittiin MDS-tautia sairastavien potilaiden luuydinnäytteistä muodostettuja mikroskooppikuvia koneoppimiseen perustuvan kuva-analyysin avulla. MDS-potilaiden luuydinnäytteitä värjättiin hematoksyliini- ja eosiini-värjäyksellä (H&E-värjäys), joka on osa taudin rutiinidiagnostiikkaa. Värjäykset digitoitiin, ja ne analysoitiin laskentapohjaisia syväoppimismalleja käyttäen.

Tutkimus on julkaistu Blood Cancer Discovery -julkaisussa ja tuloksia voi arvioida myös interaktiivisella työkalulla.

Digitaalisesta kuva-aineistosta pystyttiin koneoppimisen avulla tunnistamaan tarkasti tavallisimmat oireyhtymän kulkuun vaikuttavat verisolujen perimän muutokset kuten hankinnaiset mutaatiot ja kromosomimuutokset. Ennustemallit antoivat tutkimuksessa sitä luotettavamman tuloksen, mitä enemmän poikkeavia soluja näytteissä oli.

Data-analyysistä apua taudinmääritykseen

Neuroverkkomallien hyödyntämisen suurimpia haasteita on ymmärtää, millä perusteella ne tekevät johtopäätöksiä datasta, esimerkiksi kuvien sisältämästä tiedosta. Nyt julkaistussa tutkimuksessa onnistuttiin selvittämään, mitä syväoppimismallit näkevät kudosnäytteistä, kun ne on opetettu etsimään esimerkiksi MDS-oireyhtymään liittyviä verisolujen perimän muutoksia. Menetelmän avulla saadaan uutta tietoa monimutkaisten tautien vaikutuksista luuytimen solukkoon ja ympäröivään kudokseen.

­– Tutkimus vahvistaa, että laskennallinen analyysi auttaa tunnistamaan luuydinnäytteistä piirteitä, jotka ovat ihmissilmälle vaikeasti tunnistettavia. Data-analyysin avulla saadaan lisäksi kerättyä kvantitatiivista tietoa solumuutoksista ja niiden merkityksestä potilaan ennusteeseen, kertoo professori Satu Mustjoki.

Osa tutkimuksen analytiikasta on toteutettu HUS tietoallas -ympäristössä, joka mahdollistaa laajojen kliinisten aineistojen tehokkaan keruun ja analysoinnin.

– Olemme kehittäneet ratkaisuja HUS tietoaltaan datan rakenteistamiseksi ja analysoimiseksi. Kuva-analyysillä voimme analysoida suuria määriä koepaloja ja tuottaa monipuolisesti ja nopeasti tietoa taudinkulusta. Projektissa kehitetyt menetelmät ovat käyttökelpoisia myös muissa hankkeissa ja erinomaisia esimerkkejä digitaalisoituvasta lääketieteestä, kertoo tohtorikoulutettava Oscar Brück.

Tutkimusta rahoittivat Syöpäsäätiö, Sigrid Juseliuksen säätiö ja valtion tutkimusrahoitus yliopistotasoiseen terveyden tutkimukseen (VTR). Tutkimus on osa Suomen Akatemian rahoittamaa iCAN Digital Precision Cancer Medicine -lippulaivahankketta.

Lisätietoja

Oscar Brück, tohtorikoulutettava, Helsingin yliopisto
tutkijalääkäri, HUS Hematologia
kehittämispäällikkö, HUS Tietohallinto
oscar.bruck@helsinki.fi

Satu Mustjoki, professori, Helsingin yliopisto
johtaja, Translational Immunology Research Program
osastonylilääkäri, HUS syöpäkeskus
p. 040 552 1606
satu.mustjoki@helsinki.fi

Lähde: Machine Learning of Bone Marrow Histopathology Identifies Genetic and Clinical Determinants in MDS Patients. Oscar Brück, Susanna Lallukka-Brück, Helena Hohtari, Aleksandr Ianevski, Freja Ebeling, Panu E. Kovanen, Soili Kytölä, Tero Aittokallio, Pedro Marques Ramos, Kimmo Porkka and Satu Mustjoki. Blood Cancer Discov March 15 2021. DOI:10.1158/2643-3230.BCD-20-0162

Avainsanat

Yhteyshenkilöt

Kuvat

Laskennallinen analyysi auttaa tunnistamaan luuydinnäytteistä piirteitä, jotka ovat ihmissilmälle vaikeasti tunnistettavia. Lähde: Machine Learning of Bone Marrow Histopathology Identifies Genetic and Clinical Determinants in MDS Patients. Oscar Brück, Susanna Lallukka-Brück, Helena Hohtari, Aleksandr Ianevski, Freja Ebeling, Panu E. Kovanen, Soili Kytölä, Tero Aittokallio, Pedro Marques Ramos, Kimmo Porkka and Satu Mustjoki. Blood Cancer Discov March 15 2021. DOI:10.1158/2643-3230.BCD-20-0162
Laskennallinen analyysi auttaa tunnistamaan luuydinnäytteistä piirteitä, jotka ovat ihmissilmälle vaikeasti tunnistettavia. Lähde: Machine Learning of Bone Marrow Histopathology Identifies Genetic and Clinical Determinants in MDS Patients. Oscar Brück, Susanna Lallukka-Brück, Helena Hohtari, Aleksandr Ianevski, Freja Ebeling, Panu E. Kovanen, Soili Kytölä, Tero Aittokallio, Pedro Marques Ramos, Kimmo Porkka and Satu Mustjoki. Blood Cancer Discov March 15 2021. DOI:10.1158/2643-3230.BCD-20-0162
Lataa

Tietoja julkaisijasta

Helsingin yliopisto
Helsingin yliopisto
PL 3
00014 Helsingin yliopisto

02941 911 (vaihde)https://www.helsinki.fi/fi/yliopisto

Helsingin yliopisto on yli 40 000 opiskelijan ja työntekijän kansainvälinen tiedeyhteisö, joka toimii neljällä kampuksella Helsingissä ja usealla muulla paikkakunnalla Suomessa. Se on toistuvasti maailman sadan parhaan yliopiston joukossa. Helsingin yliopisto on perustettu vuonna 1640.

Tilaa tiedotteet sähköpostiisi

Haluatko tietää asioista ensimmäisten joukossa? Kun tilaat mediatiedotteemme, saat ne sähköpostiisi välittömästi julkaisuhetkellä. Tilauksen voit halutessasi perua milloin tahansa.

Lue lisää julkaisijalta Helsingin yliopisto

Kaksostutkimus: Rasvan muutokset aiheuttavat lihavuudessa terveyshaittoja, lihaksen energiakoneistolla ei vastaavaa yhteyttä9.4.2021 10:00:00 EEST | Tiedote

Rasvakudoksen energiakoneiston toiminta alenee lihavuuden seurauksena voimakkaasti, osoittaa Helsingin yliopiston tuore kaksostutkimus. Tutkimuksessa rasvakudoksen mitokondriogeenit olivat lihavuudessa selvästi alentuneet, mutta lihaksen mitokondrioissa geenitason muutokset olivat vain vähäiset. Yhteys terveyshaittoihin löydettiin vain rasvan mitokondrioista.

Uutishuoneessa voit lukea tiedotteitamme ja muuta julkaisemaamme materiaalia. Löydät sieltä niin yhteyshenkilöidemme tiedot kuin vapaasti julkaistavissa olevia kuvia ja videoita. Uutishuoneessa voit nähdä myös sosiaalisen median sisältöjä. Kaikki tiedotepalvelussa julkaistu materiaali on vapaasti median käytettävissä.

Tutustu uutishuoneeseemme