Mokslininkai sukūrė dirbtinį intelektą smegenų augliams klasifikuoti
Paskutinį kartą peržiūrėta: 14.06.2024
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) mokslininkai sukūrė naują dirbtinio intelekto įrankį, leidžiantį greičiau ir tiksliau klasifikuoti smegenų auglius.
Pasak daktaro Dan-Thai Hoang, norint veiksmingai gydyti pacientus, labai svarbu tiksliai diagnozuoti ir klasifikuoti navikus.
„Dabartinis įvairių tipų smegenų auglių identifikavimo auksinis standartas yra DNR metilinimu pagrįstas profiliavimas“, – sakė dr. Hoangas.
„DNR metilinimas veikia kaip jungiklis, skirtas valdyti genų aktyvumą ir nustatyti, kurie genai yra įjungti arba išjungti.
Tačiau laikas, reikalingas tokio tipo tyrimams atlikti, gali būti reikšmingas trūkumas, nes dažnai reikia savaičių ar daugiau, kai pacientams gali tekti greitai priimti sprendimus dėl gydymo.
Duomenų rinkinių ir skaičiavimo darbo eigos apžvalga. Šaltinis: Gamtos medicina (2024). DOI: 10.1038/s41591-024-02995-8
Be to, tokie tyrimai prieinami ne visose pasaulio ligoninėse.
Siekdami išspręsti šiuos iššūkius, ANU tyrėjai, bendradarbiaudami su JAV Nacionalinio vėžio instituto ekspertais, sukūrė DEPLOY – būdą numatyti DNR metilinimą ir suskirstyti smegenų auglius į 10 pagrindinių potipių.
DEPLOY naudoja mikroskopinius paciento audinio vaizdus, vadinamus histopatologiniais vaizdais.
Modelis buvo apmokytas ir išbandytas naudojant didelius duomenų rinkinius, kuriuose dalyvavo maždaug 4 000 pacientų iš JAV ir Europos. paskelbtas žurnale Nature Medicine.
Nuostabu, kad DEPLOY pasiekė precedento neturintį 95 % tikslumą, – sakė dr. Hoangas.
Be to, analizuodama 309 ypač sunkiai klasifikuojamų mėginių pogrupį, DEPLOY galėjo pateikti diagnozę, kuri buvo kliniškai reikšmingesnė, nei iš pradžių pateikė patologai.
„Tai rodo galimą DEPLOY vaidmenį ateityje, kaip papildomos priemonės, papildančios patologo pradinę diagnozę arba netgi reikalaujančios pakartotinio įvertinimo, jei atsiranda neatitikimų.“
Tyrėjai mano, kad DEPLOY ilgainiui galėtų būti panaudota klasifikuojant kitas vėžio rūšis.
Tyrimo rezultatai paskelbti žurnale Nature Medicine.