Naujos publikacijos
Mokslininkai sukūrė dirbtinį intelektą smegenų augliams klasifikuoti
Paskutinį kartą peržiūrėta: 02.07.2025
Visas „iLive“ turinys yra peržiūrėtas medicinoje arba tikrinamas, kad būtų užtikrintas kuo didesnis faktinis tikslumas.
Mes turime griežtas įsigijimo gaires ir susiejamos tik su geros reputacijos žiniasklaidos svetainėmis, akademinių tyrimų institucijomis ir, jei įmanoma, medicininiu požiūriu peržiūrimais tyrimais. Atkreipkite dėmesį, kad skliausteliuose ([1], [2] ir tt) esantys numeriai yra paspaudžiami nuorodos į šias studijas.
Jei manote, kad bet koks mūsų turinys yra netikslus, pasenęs arba kitaip abejotinas, pasirinkite jį ir paspauskite Ctrl + Enter.
Australijos nacionalinio universiteto (ANU) tyrėjai sukūrė naują dirbtinio intelekto įrankį, skirtą greičiau ir tiksliau klasifikuoti smegenų auglius.
Pasak dr. Dan-Thai Hoang, tikslus navikų diagnozavimas ir klasifikavimas yra labai svarbus norint veiksmingai gydyti pacientus.
„Dabartinis auksinis standartas skirtingų tipų smegenų auglių nustatymui yra DNR metilinimo pagrindu atliekamas profiliavimas“, – teigė dr. Hoang.
„DNR metilinimas veikia kaip jungiklis, kontroliuojantis genų aktyvumą ir nustatantis, kurie genai yra įjungti arba išjungti.“
„Tačiau laikas, reikalingas atlikti tokio pobūdžio tyrimus, gali būti reikšmingas trūkumas, dažnai užtrunkantis kelias savaites ar ilgiau, kai pacientams gali tekti priimti greitus sprendimus dėl gydymo.“
Duomenų rinkinių ir skaičiavimo darbo eigos apžvalga. Šaltinis: „Nature Medicine“ (2024). DOI: 10.1038/s41591-024-02995-8
„Be to, tokie tyrimai nėra prieinami beveik visose pasaulio ligoninėse.“
Siekdami išspręsti šias problemas, ANU tyrėjai, bendradarbiaudami su JAV Nacionalinio vėžio instituto ekspertais, sukūrė DEPLOY – būdą numatyti DNR metilinimą ir tada suskirstyti smegenų auglius į 10 pagrindinių potipių.
DEPLOY naudoja paciento audinių mikroskopinius vaizdus, vadinamus histopatologiniais vaizdais.
Modelis buvo apmokytas ir išbandytas su dideliais maždaug 4000 pacientų iš JAV ir Europos duomenų rinkiniais, paskelbtais žurnale „Nature Medicine“.
„Nuostabu, bet DEPLOY pasiekė precedento neturintį 95 % tikslumą“, – teigė dr. Hoang.
„Be to, analizuodamas 309 ypač sunkiai klasifikuojamų mėginių pogrupį, DEPLOY sugebėjo pateikti diagnozę, kuri buvo kliniškai reikšmingesnė nei ta, kurią iš pradžių pateikė patologai.“
„Tai pabrėžia galimą DEPLOY vaidmenį ateityje kaip papildomą priemonę, papildančią patologo pradinę diagnozę arba netgi paskatinsiančią pakartotinį įvertinimą neatitikimų atveju.“
Tyrėjai mano, kad DEPLOY galiausiai galėtų būti naudojamas kitų tipų vėžiui klasifikuoti.
Tyrimo rezultatai buvo paskelbti žurnale „Nature Medicine“.