El model d'IA "Ceograph" aconsegueix una precisió a l'hora de predir els resultats del càncer a partir de mostres de teixit
En breu
Un model d'IA mèdica recentment desenvolupat Ceograph pot predir els resultats dels pacients amb càncer a partir de mostres de teixit.
Els investigadors del UT Southwestern Medical Center (UTSW) van desenvolupar a intel·ligència artificial (AI), anomenat Ceograph, que demostra la capacitat de predir els resultats dels pacients amb càncer a partir de mostres de teixit.
El desenvolupament representa una oportunitat per a la utilització de la IA per preveure la trajectòria probable de la malaltia i adaptar estratègies de tractament personalitzades. Tal com es descriu a la revista Nature Communications, l'enfocament examina la configuració espacial de les cèl·lules dins de mostres de teixit.
"L'organització espacial cel·lular és com un trencaclosques complex on cada cèl·lula serveix com una peça única, encaixant meticulosament per formar un teixit cohesionat o una estructura d'òrgans. Aquesta investigació mostra la notable capacitat de la IA per comprendre aquestes intricades relacions espacials entre cèl·lules dins dels teixits, extreure informació subtil abans de la comprensió humana mentre prediu els resultats dels pacients", va dir el líder de l'estudi Guanghua Xiao, professor de la Universitat de Texas Southwestern Medical Center a la Universitat de Texas. NOSALTRES.
Segons els investigadors, en l'àmbit de la patologia, la recollida rutinària de mostres de teixit dels pacients ha estat durant molt de temps un element bàsic per al diagnòstic. Aquestes mostres, normalment col·locades en portaobjectes per a l'examen dels patòlegs, serveixen com a components crucials en el procés de diagnòstic.
No obstant això, com destaca el Dr. Xiao, aquest enfocament convencional no està exempt de inconvenients: requereix temps, és propens a variacions d'interpretació entre els patòlegs i pot perdre matisos subtils en imatges de patologia que podrien contenir pistes fonamentals per a la salut d'un pacient.
Afrontant aquests reptes, el Dr. Xiao i el seu equip van desenvolupar el model d'IA Ceograph. A diferència dels seus predecessors, el Model d'IA pretén no només identificar els tipus cel·lulars o avaluar la proximitat cel·lular, sinó també replicar els aspectes complexos de l'enfocament d'un patòleg per interpretar imatges de teixits.
El Dr. Xiao subratlla que, si bé els models anteriors d'IA han destacat en determinades tasques, no van captar la complexitat inherent al paper d'un patòleg. Aquesta complexitat implica discernir patrons en l'organització espacial cel·lular i eliminar el "soroll" aliè a les imatges, factors crucials per a interpretacions precises.
Superioritat de Ceograph sobre els mètodes tradicionals
El doctor Xiao va afegir que el Ceograph es distingeix imitant els processos cognitius dels patòlegs quan llegeixen diapositives de teixit. Comença detectant cèl·lules en imatges i determinant-ne la posició. A partir d'aquí, el model d'IA va més enllà de la mera identificació, aprofundint en l'intricat àmbit dels tipus cel·lulars, la morfologia i la distribució espacial.
El nou model d'IA pot crear un mapa detallat que ajudi a analitzar com s'organitzen, distribueixen i interactuen les cèl·lules entre elles, marcant un pas endavant en l'ús de la IA per imitar les habilitats matisades dels patòlegs humans.
Els investigadors van posar l'eina per provar en tres escenaris clínics del món real mitjançant diapositives de patologia. En el primer escenari, es va utilitzar Ceograph per diferenciar dos subtipus de càncer de pulmó: adenocarcinoma i carcinoma de cèl·lules escamoses.
L'eina també es va utilitzar per predir les possibilitats que condicions orals potencialment perjudicials (lesions precanceroses a la boca) esdevinguin un càncer de ple dret. Finalment, l'equip d'investigació va identificar quins pacients amb càncer de pulmó tenien més probabilitats de respondre positivament a una classe específica de medicaments coneguts com a inhibidors del receptor del factor de creixement epidèrmic.
Segons els investigadors, en cada escenari, el model Ceograph va superar els mètodes tradicionals per un bon marge per predir els resultats dels pacients.
És important destacar que les característiques d'organització espacial cel·lular identificades per Ceograph són interpretables i condueixen a coneixements biològics sobre com el canvi d'interacció espacial cèl·lula-cèl·lula individual podria produir conseqüències funcionals diverses, va dir Xiao.
A més, va destacar el paper creixent de IA a l'atenció mèdica, subratllant el seu potencial per millorar l'eficiència i la precisió de les anàlisis de patologia. Aquest mètode, va afegir, és prometedor per racionalitzar les mesures preventives dirigides i optimitzar la selecció de tractaments per a pacients individuals.
renúncia
En línia amb la Directrius del projecte Trust, si us plau, tingueu en compte que la informació proporcionada en aquesta pàgina no pretén ni s'ha d'interpretar com a assessorament legal, fiscal, d'inversió, financer o de cap altra forma. És important invertir només el que et pots permetre perdre i buscar assessorament financer independent si tens dubtes. Per obtenir més informació, us suggerim que feu referència als termes i condicions, així com a les pàgines d'ajuda i assistència proporcionades per l'emissor o l'anunciant. MetaversePost es compromet a fer informes precisos i imparcials, però les condicions del mercat estan subjectes a canvis sense previ avís.
About The Autor
Kumar és un periodista tecnològic experimentat amb una especialització en les interseccions dinàmiques d'IA/ML, tecnologia de màrqueting i camps emergents com ara cripto, blockchain i NFTs. Amb més de 3 anys d'experiència en el sector, Kumar ha establert una trajectòria demostrada en l'elaboració de narracions convincents, la realització d'entrevistes minucioses i l'oferiment d'informació exhaustiva. L'experiència de Kumar rau en la producció de contingut d'alt impacte, inclosos articles, informes i publicacions de recerca per a plataformes de la indústria destacades. Amb un conjunt d'habilitats únics que combina coneixements tècnics i narració, Kumar destaca per comunicar conceptes tecnològics complexos a diversos públics d'una manera clara i atractiva.
més articles
Kumar és un periodista tecnològic experimentat amb una especialització en les interseccions dinàmiques d'IA/ML, tecnologia de màrqueting i camps emergents com ara cripto, blockchain i NFTs. Amb més de 3 anys d'experiència en el sector, Kumar ha establert una trajectòria demostrada en l'elaboració de narracions convincents, la realització d'entrevistes minucioses i l'oferiment d'informació exhaustiva. L'experiència de Kumar rau en la producció de contingut d'alt impacte, inclosos articles, informes i publicacions de recerca per a plataformes de la indústria destacades. Amb un conjunt d'habilitats únics que combina coneixements tècnics i narració, Kumar destaca per comunicar conceptes tecnològics complexos a diversos públics d'una manera clara i atractiva.
