Οι επιστήμονες ανέπτυξαν τεχνητή νοημοσύνη για να ταξινομήσουν τους όγκους του εγκεφάλου
Τελευταία επισκόπηση: 14.06.2024
Όλα τα περιεχόμενα του iLive ελέγχονται ιατρικά ή ελέγχονται για να διασφαλιστεί η όσο το δυνατόν ακριβέστερη ακρίβεια.
Έχουμε αυστηρές κατευθυντήριες γραμμές προμήθειας και συνδέουμε μόνο με αξιόπιστους δικτυακούς τόπους πολυμέσων, ακαδημαϊκά ερευνητικά ιδρύματα και, όπου είναι δυνατόν, ιατρικά επισκοπικά μελέτες. Σημειώστε ότι οι αριθμοί στις παρενθέσεις ([1], [2], κλπ.) Είναι σύνδεσμοι με τις οποίες μπορείτε να κάνετε κλικ σε αυτές τις μελέτες.
Εάν πιστεύετε ότι κάποιο από το περιεχόμενό μας είναι ανακριβές, παρωχημένο ή αμφισβητήσιμο, παρακαλώ επιλέξτε το και πατήστε Ctrl + Enter.
Ένα νέο εργαλείο τεχνητής νοημοσύνης για την ταχύτερη και ακριβέστερη ταξινόμηση των όγκων του εγκεφάλου αναπτύχθηκε από ερευνητές στο Εθνικό Πανεπιστήμιο της Αυστραλίας (ANU).
Σύμφωνα με τον Δρ Dan-Thai Hoang, η ακρίβεια στη διάγνωση και την ταξινόμηση των όγκων είναι κρίσιμη για την αποτελεσματική θεραπεία των ασθενών.
"Το τρέχον χρυσό πρότυπο για τον εντοπισμό διαφορετικών τύπων όγκων εγκεφάλου είναι το προφίλ με βάση τη μεθυλίωση του DNA", δήλωσε ο Δρ Hoang.
"Η μεθυλίωση DNA λειτουργεί ως διακόπτης για τον έλεγχο της γονιδιακής δραστηριότητας και τον προσδιορισμό των γονιδίων που ενεργοποιούνται ή απενεργοποιούνται.
"Αλλά ο χρόνος που απαιτείται για τη διεξαγωγή αυτού του είδους των δοκιμών μπορεί να είναι ένα σημαντικό μειονέκτημα, που συχνά απαιτεί εβδομάδες ή περισσότερες όταν οι ασθενείς μπορεί να χρειαστεί να λάβουν γρήγορες αποφάσεις σχετικά με τη θεραπεία.
Επισκόπηση συνόλων δεδομένων και υπολογιστικής ροής εργασιών. Πηγή: Nature Medicine (2024). DOI: 10.1038/s41591-024-02995-8
"Επιπλέον, τέτοιες δοκιμές δεν είναι διαθέσιμες σχεδόν σε όλα τα νοσοκομεία στον κόσμο."
Για να αντιμετωπίσουν αυτές τις προκλήσεις, ερευνητές από το ANU, σε συνεργασία με ειδικούς από το Εθνικό Ινστιτούτο Καρκίνου στις ΗΠΑ, ανέπτυξαν το DEPLOY, έναν τρόπο για την πρόβλεψη της μεθυλίωσης του DNA και στη συνέχεια την ταξινόμηση των όγκων του εγκεφάλου σε 10 κύριους υποτύπους.
Το DEPLOY χρησιμοποιεί μικροσκοπικές εικόνες του ιστού του ασθενούς, που ονομάζονται ιστοπαθολογικές εικόνες.
Το μοντέλο εκπαιδεύτηκε και δοκιμάστηκε σε μεγάλα σύνολα δεδομένων περίπου 4.000 ασθενών από τις Ηνωμένες Πολιτείες και την Ευρώπη. δημοσιεύθηκε στο περιοδικό Nature Medicine.
"Περίεργα, το DEPLOY πέτυχε μια άνευ προηγουμένου ακρίβεια 95%," είπε ο Δρ Χόανγκ.
"Επιπλέον, κατά την ανάλυση ενός υποσυνόλου 309 δειγμάτων που ήταν ιδιαίτερα δύσκολο να ταξινομηθούν, το DEPLOY μπόρεσε να παράσχει μια κλινικά πιο σημαντική διάγνωση από αυτή που αρχικά παρείχαν οι παθολόγοι.
"Αυτό δείχνει τον πιθανό ρόλο του DEPLOY στο μέλλον ως πρόσθετο εργαλείο, που συμπληρώνει την αρχική διάγνωση του παθολογοανατόμου ή ακόμη και απαιτεί επαναξιολόγηση σε περίπτωση αποκλίσεων."
Οι ερευνητές πιστεύουν ότι το DEPLOY θα μπορούσε τελικά να χρησιμοποιηθεί για την ταξινόμηση άλλων τύπων καρκίνου.
Τα αποτελέσματα της μελέτης δημοσιεύτηκαν στο περιοδικό Nature Medicine.