Pesquisa de tecidos com palavras

Uma artéria inflamada, um tumor que se espalha para o pulmão ou danos subtis num órgão - quando os médicos ou investigadores querem compreender o que se passa no interior de um tecido, uma das ferramentas mais fiáveis continua a ser o microscópio. Hoje em dia, estes tornaram-se em grande parte digitais: uma única amostra de tecido pode ser digitalizada numa imagem de lâmina inteira tão pormenorizada que se pode fazer zoom de uma vista aérea de todo o tecido até às células individuais. Estas imagens contêm, portanto, uma enorme informação sobre os tecidos a diferentes escalas.

No entanto, estas imagens são enormes, complexas e muitas vezes difíceis de analisar de uma forma moderna e orientada para os dados. Enquanto a genética e a biologia unicelular desenvolveram formas eficazes de partilhar e comparar dados, as imagens patológicas digitais são difíceis de incorporar - armazenadas em formatos proprietários, processadas com ferramentas incompatíveis e difíceis de ligar a informações moleculares como a sequenciação de ARN. Assim, os valiosos recursos das imagens digitalizadas de tecidos são largamente subutilizados em muitos contextos clínicos e de investigação.

Um novo estudo do grupo do investigador principal do CeMM, André Rendeiro, apresenta o LazySlide, uma aplicação de código aberto concebida para tornar a análise de imagens de lâminas inteiras mais acessível, interoperável e pronta a ser ligada aos mesmos fluxos de trabalho computacionais que já impulsionam a genómica moderna.

De "imagens bonitas" a biologia pesquisável

O LazySlide permite que os cientistas dividam as imagens de lâminas inteiras em regiões mais pequenas e manejáveis e as analisem utilizando modelos avançados de inteligência artificial. Estes modelos podem reconhecer padrões na estrutura dos tecidos, identificar diferentes tipos de células e quantificar alterações subtis na arquitetura dos tecidos, sem necessidade de anotação manual extensiva.

Crucialmente, o estudo mostra que a informação visual das imagens dos tecidos pode ser diretamente ligada a dados moleculares, tais como perfis de expressão genética. Num exemplo, os investigadores analisaram amostras de tecido arterial com e sem calcificação, um processo patológico associado a doenças cardiovasculares. O LazySlide não só distinguiu o tecido saudável do tecido doente com base apenas nas caraterísticas da imagem, como também revelou vias biológicas, como a sinalização inflamatória, que só se tornaram visíveis quando os dados da imagem e os dados da sequenciação do ARN foram analisados em conjunto.

"A histologia contém uma enorme quantidade de informação biológica, mas é muitas vezes difícil de aceder computacionalmente", afirma Yimin Zheng, primeiro autor do estudo. "Com o LazySlide, queríamos fornecer uma ferramenta que permitisse aos investigadores explorar imagens de tecidos de uma forma sistemática e quantitativa e ligar o que vêem ao microscópio aos processos moleculares subjacentes."

Pesquisa de tecidos com palavras

Uma caraterística particularmente inovadora do LazySlide é a sua capacidade de ligar imagens com linguagem natural. Utilizando modelos de IA que ligam padrões visuais a conceitos de texto, os investigadores podem colocar questões como, por exemplo, onde aparecem sinais de "calcificação" numa amostra de tecido. O software destaca então as regiões relevantes e gera pontuações quantitativas, transformando as impressões visuais em dados mensuráveis.

Esta abordagem também permite a chamada análise "zero-shot": O LazySlide pode reconhecer o órgão de origem das amostras de tecido ou distinguir tecido saudável de tecido doente sem ser especificamente treinado para cada tarefa. Isto reduz consideravelmente a barreira à aplicação de métodos avançados de análise de imagem na investigação biomédica.

Uma ferramenta aberta e interoperável

O LazySlide foi concebido para se integrar perfeitamente nas ferramentas de biologia computacional existentes, amplamente utilizadas na investigação genómica e unicelular. Ao tornar a patologia digital mais interoperável com estes fluxos de trabalho estabelecidos, o software ajuda a integrar a imagiologia de tecidos no ecossistema mais vasto das ciências da vida baseadas em dados.

"O nosso objetivo era tornar a análise de imagens de lâminas inteiras mais acessível e mais ligada aos tipos de dados que os investigadores já utilizam todos os dias", afirma André Rendeiro. "Ao tratar as imagens de tecidos como conjuntos de dados ricos, em vez de fotografias estáticas, podemos obter novos conhecimentos sobre a forma como as doenças moldam a biologia humana."

O estudo, publicado na Nature Methods, destaca a forma como ferramentas flexíveis e de código aberto como o LazySlide podem acelerar a investigação e ajudar a colmatar a lacuna entre a estrutura dos tecidos e a função molecular - um passo essencial para uma compreensão mais integrada da saúde e da doença.