Znanstveniki so razvili umetno inteligenco za razvrščanje možganskih tumorjev
Zadnji pregled: 14.06.2024
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 na Avstralski nacionalni univerzi (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.
»Toda čas, potreben za izvedbo tovrstnega testiranja, je lahko precejšnja pomanjkljivost, saj pogosto zahteva več tednov ali več, ko se morajo bolniki hitro odločiti glede terapije.
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 izzivov so raziskovalci iz ANU v sodelovanju s strokovnjaki z Nacionalnega inštituta za raka v ZDA razvili DEPLOY, način za napovedovanje metilacije DNA in nato razvrščanje možganskih tumorjev v 10 glavnih podtipov.
DEPLOY uporablja mikroskopske slike pacientovega tkiva, imenovane histopatološke slike.
Model je bil usposobljen in preizkušen na velikih zbirkah podatkov približno 4000 bolnikov iz Združenih držav in Evrope. objavljeno v reviji Nature Medicine.
»Presenetljivo je, da je DEPLOY dosegel 95-odstotno natančnost brez primere,« je dejal dr. Hoang.
»Poleg tega je DEPLOY pri analizi podskupine 309 vzorcev, ki jih je posebej težko razvrstiti, lahko zagotovil diagnozo, ki je bila klinično pomembnejša od tiste, ki so jo prvotno podali patologi.
»To kaže potencialno vlogo DEPLOY v prihodnosti kot dodatnega orodja, ki dopolnjuje prvotno diagnozo patologa ali celo zahteva ponovno oceno v primeru neskladij.«
Raziskovalci menijo, da bi lahko DEPLOY sčasoma uporabili za razvrščanje drugih vrst raka.
Rezultati študije so bili objavljeni v reviji Nature Medicine.