NGC 3718, NGC 3729 e outras galáxias foram analisadas usando algoritmos de aprendizagem que podem ser “ensinados” a reconhecer semelhanças astrofísicas. A mesma tecnologia está agora sendo aplicada a imagens de câncer.
Créditos: Catalina Sky Survey, U of Arizona, e Catalina Realtime Transient Survey, Caltech.
Todos os dias, naves espaciais da NASA enviam centenas de petabytes de dados, os quais tem de ser codificados, armazenados e distribuídos para os cientistas em todo o mundo. Cada vez mais, a inteligência artificial está ajudando a “ler” estes dados e destacar semelhanças entre conjuntos de dados que poderiam ser interpretados de forma errada por cientistas. Agora, essa tecnologia está sendo usada na pesquisa com prevenção do câncer.
Nos últimos 15 anos, as técnicas de big data desenvolvidas pelo Laboratório de Propulsão à Jato da NASA em Pasadena, Califórnia, têm revolucionado a investigação biomédica. Em 06 de setembro de 2016, o JPL e o Instituto Nacional do Câncer (NCI), parte dos Institutos Nacionais de Saúde, renovaram uma parceria de pesquisa até 2021, estendendo o desenvolvimento da ciência de dados que se originou na exploração do espaço e agora está apoiando novas descobertas do câncer.
A Rede de Pesquisas de Detecção Precoce (EDRN) é um consórcio de investigadores biomédicos que compartilham dados anônimos sobre biomarcadores, assinaturas químicas ou genéticas relacionadas ao câncer. Seu objetivo é reunir todos os seus dados de pesquisa em uma única rede, pesquisável, com o objetivo de traduzir seu trabalho coletivo em técnicas para o diagnóstico precoce ou o risco de câncer.
Espécimes pulmonares que foram analisados usando os mesmos algoritmos de aprendizado de máquinas que foram originalmente desenvolvidos para a investigação espacial. Créditos: Early Research Detection Network/University of Colorado
No momento em que trabalham juntos, os esforços da JPL e EDRN levaram à descoberta de seis novos biomarcadores do câncer Food and Drug Administration e nove biomarcadores aprovados para uso em Laboratórios Clínicos de Aperfeiçoamento e Alterações. A FDA aprovou cada um destes biomarcadores para utilização na pesquisa e diagnóstico do câncer. Esses biomarcadores aprovados pela agência foram utilizados em mais do que 1 milhão de testes de diagnóstico de doentes em todo o mundo.
“Após a fundação da EDRN em 2000, rede de especialização precisava de dados de vários estudos sobre biomarcadores de câncer e criou-se uma rede única, pesquisável, dos resultados de investigação para cientistas”, disse Sudhir Srivastava, chefe da Grupo de Pesquisa de Biomarcadores do Câncer do NCI e chefe de EDRN. O JPL tem décadas de experiência fazendo um trabalho semelhante para a NASA, onde naves espaciais transmitiam centenas de petabytes de dados a serem codificados, armazenados e distribuídos para os cientistas em todo o mundo.
Dan Crichton, o chefe do Centro de JPL para a Ciência e Tecnologia de dados, uma iniciativa conjunta com Caltech, em Pasadena, Califórnia, ajudou a estabelecer um centro de informática com sede no JPL dedicado a apoiar grandes esforços de dados do EDRN. Na parceria renovada, JPL está expandindo seus esforços científicos de dados para a pesquisa e aplicação de tecnologias para os programas de adicionais financiados. Esses programas incluem EDRN, o Consórcio Molecular e Celular que pesquisa a caracterização de lesões detectadas na triagem e a Tecnologia de Informática para Pesquisa com Câncer.
“Do ponto de vista da NASA, existem oportunidades significativas para o desenvolvimento de novas capacidades da ciência de dados que podem apoiar tanto a missão de explorar o espaço quanto a pesquisa do câncer utilizando abordagens metodológicas comuns”, disse Crichton. “Temos uma grande oportunidade para aperfeiçoar as técnicas e evoluir as tecnologias da ciência de dados do JPL, à serviço da humanidade.
Crichton disse que o JPL tem liderado o caminho quando se trata de obtenção de dados a partir de observações matérias para conclusões científicas. Um exemplo: JPL muitas vezes lida com medições a partir de uma variedade de sensores – por exemplo, câmeras e espectrômetros de massa. Ambos podem ser usados para estudar uma estrela, planeta ou objecto semelhante. Mas é preciso um software especial de reconhecimento para a leitura dos instrumentos que são muito diferentes e se relacionam entre si.
Há um problema semelhante na pesquisa do câncer, onde as leituras de diferentes testes biomédicos ou instrumentos exigem correlação umas com as outras. Para que isso aconteça, os dados têm de ser padronizadas e algoritmos devem ser “ensinados” a conhecer o que eles estão procurando.
Desde a época de sua fundação, o grande desafio da EDRN tem sido o acesso. Centros de investigação em todo os Estados Unidos tinham um grande número de espécimes de biomarcadores, mas cada um tinha sua própria maneira de rotulagem, armazenamento e compartilhamento de seus conjuntos de dados. Dez sites podem ter amostras de alta qualidade para o estudo, mas os seus elementos de dados comuns – a idade do paciente, tipo de câncer e outras características – não são listados de forma uniforme, que, por sua vez, não pode ser estudados como um todo.
“Nós não sabíamos se eles estavam em estágio inicial ou em estágio final, ou se qualquer nível de tratamento tinha sido tentado”, disse Srivastava. “E o JPL nos disse: ‘Nós fazemos esse tipo de coisa o tempo todo! Essa é a forma como gerimos o nosso sistema de dados planetários.”
A medida que a rede se desenvolveu, dezenas de instituições foram acrescentadas, incluindo o Geisel School of Medicine da Dartmouth College; Hospital Geral de Massachusetts, da Harvard Medical School; o Stanford’s NIST Genome-Scale Measurements Group; University of Texas’ MD Anderson Cancer Center; e muitos outros.
Christos Patriotis, diretor de programa no Grupo de Pesquisa de Biomarcadores do Câncer do NCI, disse que os membros da rede incluem agora pesquisadores internacionais do Reino Unido, China, Japão, Austrália, Israel e Chile.
Como JPL e os avanços de colaboração do NIC, os próximos passos incluem tecnologia de reconhecimento de imagem, que ajudarão na pesquisa com câncer. Essas imagens poderão ser analisadas por visão computacional, que é atualmente utilizada para identificar semelhanças em aglomerados de estrelas e outras pesquisas na astrofísica.
Num futuro próximo, disse Crichton, algoritmos de aprendizado de máquinas poderão comparar uma tomografia computadorizada com um arquivo de imagens semelhantes, em busca de sinais precoces de câncer com base na idade do paciente, origem étnica e outros dados demográficos.
“À medida que desenvolvermos métodos mais automatizados para detectar e classificar características em imagens, veremos grandes oportunidades para melhorar a descoberta de dados”, disse Crichton. “Temos exemplos em algoritmos para detecção de características em imagens de astronomia que foram transferidos para a biologia e vice-versa.”
Traduzido e adaptado de NASA