Nove publikacije
Znanstveniki so razvili umetno inteligenco za razvrščanje možganskih tumorjev
Zadnji pregled: 02.07.2025
Vsa vsebina iLive je pregledana ali preverjena, da se zagotovi čim večja dejanska natančnost.
Imamo stroge smernice za pridobivanje virov in samo povezave do uglednih medijskih strani, akademskih raziskovalnih institucij in, kadar je to mogoče, medicinsko pregledanih študij. Upoštevajte, da so številke v oklepajih ([1], [2] itd.) Povezave, ki jih je mogoče klikniti na te študije.
Če menite, da je katera koli naša vsebina netočna, zastarela ali drugače vprašljiva, jo izberite in pritisnite Ctrl + Enter.
Raziskovalci z Avstralske nacionalne univerze (ANU) so razvili novo orodje umetne inteligence za hitrejše in natančnejše razvrščanje možganskih tumorjev.
Po mnenju dr. Dan-Thai Hoanga je natančnost pri diagnosticiranju in razvrščanju tumorjev ključnega pomena za učinkovito zdravljenje bolnikov.
"Trenutni zlati standard za prepoznavanje različnih vrst možganskih tumorjev je profiliranje na osnovi metilacije DNK," je dejal dr. Hoang.
"Metilacija DNK deluje kot stikalo za nadzor aktivnosti genov in določanje, kateri geni so vklopljeni ali izklopljeni."
"Vendar je lahko čas, potreben za izvedbo tovrstnega testiranja, pomembna pomanjkljivost, ki pogosto zahteva več tednov ali več, ko se morajo bolniki morda hitro odločiti o terapiji."
Pregled naborov podatkov in računalniškega poteka dela. Vir: Nature Medicine (2024). DOI: 10.1038/s41591-024-02995-8
"Poleg tega takšni testi niso na voljo v skoraj vseh bolnišnicah na svetu."
Za reševanje teh vprašanj so raziskovalci z ANU v sodelovanju s strokovnjaki iz Nacionalnega inštituta za raka v ZDA razvili DEPLOY – način za napovedovanje metilacije DNK in nato razvrščanje možganskih tumorjev v 10 glavnih podtipov.
DEPLOY uporablja mikroskopske slike bolnikovega tkiva, imenovane histopatološke slike.
Model je bil usposobljen in preizkušen na velikih naborih podatkov približno 4000 bolnikov iz ZDA in Evrope, objavljen pa je bil v reviji Nature Medicine.
»Neverjetno je, da je DEPLOY dosegel izjemno natančnost 95 %,« je dejal dr. Hoang.
„Poleg tega je DEPLOY pri analizi podmnožice 309 vzorcev, ki jih je še posebej težko razvrstiti, lahko postavil diagnozo, ki je bila klinično bolj pomembna od tiste, ki so jo prvotno postavili patologi.“
"To poudarja potencialno vlogo DEPLOY v prihodnosti kot dodatnega orodja za dopolnitev začetne diagnoze patologa ali celo za spodbujanje ponovne ocene v primeru neskladij."
Raziskovalci verjamejo, da bi se DEPLOY sčasoma lahko uporabil za razvrščanje drugih vrst raka.
Rezultati študije so bili objavljeni v reviji Nature Medicine.