Znanstvenici su razvili umjetnu inteligenciju za klasifikaciju tumora mozga
Posljednji pregledao: 14.06.2024
Svi iLive sadržaji medicinski se pregledavaju ili provjeravaju kako bi se osigurala što je moguće točnija činjenica.
Imamo stroge smjernice za pronalaženje izvora i samo povezujemo s uglednim medijskim stranicama, akademskim istraživačkim institucijama i, kad god je to moguće, medicinski pregledanim studijama. Imajte na umu da su brojevi u zagradama ([1], [2], itd.) Poveznice koje se mogu kliknuti na ove studije.
Ako smatrate da je bilo koji od naših sadržaja netočan, zastario ili na neki drugi način upitan, odaberite ga i pritisnite Ctrl + Enter.
Istraživači s Australskog nacionalnog sveučilišta (ANU) razvili su novi alat umjetne inteligencije za brže i točnije klasificiranje tumora mozga.
Prema dr. Dan-Thai Hoangu, točnost u dijagnosticiranju i klasifikaciji tumora ključna je za učinkovito liječenje pacijenata.
"Trenutni zlatni standard za identificiranje različitih tipova tumora mozga je profiliranje temeljeno na metilaciji DNK", rekao je dr. Hoang.
"Metilacija DNK djeluje kao prekidač za kontrolu aktivnosti gena i određuje koji su geni uključeni ili isključeni.
"Ali vrijeme potrebno za provođenje ove vrste testiranja može biti značajan nedostatak, često zahtijevajući tjedne ili više kada pacijenti trebaju donositi brze odluke o terapiji.
Pregled skupova podataka i tijeka računanja. Izvor: Nature Medicine (2024). DOI: 10.1038/s41591-024-02995-8
"Osim toga, takvi testovi nisu dostupni u gotovo svim bolnicama u svijetu."
Kako bi se pozabavili ovim izazovima, istraživači s ANU-a, u suradnji sa stručnjacima iz Nacionalnog instituta za rak u SAD-u, razvili su DEPLOY, način predviđanja metilacije DNK i zatim klasificiranja tumora mozga u 10 glavnih podtipova.
DEPLOY koristi mikroskopske slike pacijentovog tkiva, koje se nazivaju histopatološke slike.
Model je uvježban i testiran na velikim skupovima podataka od približno 4000 pacijenata iz Sjedinjenih Država i Europe. objavljeno u časopisu Nature Medicine.
"Iznenađujuće, DEPLOY je postigao neviđenu točnost od 95%", rekao je dr. Hoang.
“Osim toga, pri analizi podskupa od 309 uzoraka koje je posebno teško klasificirati, DEPLOY je uspio dati dijagnozu koja je bila klinički značajnija od one koju su izvorno postavili patolozi.
"Ovo pokazuje potencijalnu ulogu DEPLOY-a u budućnosti kao dodatnog alata koji nadopunjuje početnu dijagnozu patologa ili čak zahtijeva ponovnu procjenu u slučaju odstupanja."
Istraživači vjeruju da bi se DEPLOY s vremenom mogao koristiti za klasifikaciju drugih vrsta raka.
Rezultati istraživanja objavljeni su u časopisu Nature Medicine.