AI-model 'Ceograph' opnår præcision i at forudsige kræftresultater fra vævsprøver
Kort sagt
En nyudviklet medicinsk AI-model Ceograph kan forudsige resultater for cancerpatienter baseret på vævsprøver.
Forskere ved UT Southwestern Medical Center (UTSW) udviklede en kunstig intelligens (AI) model – kaldet Ceograph – der demonstrerer evnen til at forudsige resultater for cancerpatienter baseret på vævsprøver.
Udviklingen repræsenterer en chance for udnyttelsen af AI til at forudsige den sandsynlige bane for sygdom og skræddersy personlige behandlingsstrategier. Som beskrevet i tidsskriftet Nature Communications undersøger fremgangsmåden den rumlige konfiguration af celler i vævsprøver.
"Cellens rumlige organisering er som et komplekst puslespil, hvor hver celle fungerer som en unik brik, der passer omhyggeligt sammen for at danne et sammenhængende væv eller organstruktur. Denne forskning viser AIs bemærkelsesværdige evne til at forstå disse indviklede rumlige relationer mellem celler i væv, ved at udtrække subtil information, der tidligere var ud over menneskelig forståelse, og samtidig forudsige patientresultater," sagde studieleder Guanghua Xiao, professor ved University of Texas Southwestern Medical Center i USA. OS.
Ifølge forskere har rutinemæssig indsamling af vævsprøver fra patienter inden for patologiens område længe været en vigtig del af diagnosen. Disse prøver, typisk placeret på objektglas til undersøgelse af patologer, tjener som afgørende komponenter i den diagnostiske proces.
Men, som Dr. Xiao fremhæver, er denne konventionelle tilgang ikke uden sine ulemper – den er tidskrævende, tilbøjelig til variationer i fortolkning blandt patologer og kan savne subtile nuancer i patologibilleder, der kunne indeholde afgørende spor for en patients helbred.
For at løse disse udfordringer udviklede Dr. Xiao og hans team AI-modellen Ceograph. I modsætning til sine forgængere AI model har ikke kun til formål at identificere celletyper eller vurdere cellernes nærhed, men at replikere de indviklede aspekter af en patologs tilgang til fortolkning af vævsbilleder.
Dr. Xiao understreger, at selvom tidligere AI-modeller har udmærket sig til visse opgaver, kom de til kort med at fange kompleksiteten, der ligger i en patologs rolle. Denne kompleksitet involverer kræsne mønstre i cellens rumlige organisering og eliminering af uvedkommende "støj" i billeder - faktorer, der er afgørende for nøjagtige fortolkninger.
Ceographs overlegenhed over traditionelle metoder
Dr. Xiao tilføjede, at Ceograph adskiller sig ved at efterligne patologers kognitive processer, når de læser vævsglas. Det begynder med at detektere celler i billeder og bestemme deres positioner. Derfra går AI-modellen ud over blot identifikation og dykker ned i det indviklede område af celletyper, morfologi og rumlig fordeling.
Den nye AI-model kan skabe et detaljeret kort, der hjælper med at analysere, hvordan celler er arrangeret, fordelt og interagerer med hinanden, hvilket markerer et skridt fremad i at bruge AI til at efterligne de nuancerede færdigheder hos menneskelige patologer.
Forskerne satte værktøjet til at teste i tre kliniske scenarier i den virkelige verden ved hjælp af patologiske dias. I det første scenarie blev Ceograph brugt til at skelne mellem to undertyper af lungekræft - adenocarcinom og pladecellecarcinom.
Værktøjet blev også brugt til at forudsige chancerne for, at potentielt skadelige orale tilstande (præcancerøse læsioner i munden) udviklede sig til fuldgyldig kræft. Endelig pegede forskerholdet på, hvilke lungekræftpatienter der var mest tilbøjelige til at reagere positivt på en specifik klasse af medicin kendt som epidermal vækstfaktor-receptorhæmmere.
Ifølge forskerne overgik Ceograph-modellen i hvert scenarie de traditionelle metoder med en god margin til at forudsige patientudfald.
Vigtigt er det, at celle-rumlige organisationstræk identificeret af Ceograph kan fortolkes og fører til biologisk indsigt i, hvordan individuelle celle-celle-rumlige interaktionsændringer kan producere forskellige funktionelle konsekvenser, sagde Xiao.
Han understregede yderligere den voksende rolle af AI i medicinsk behandling, der understreger dets potentiale til at forbedre effektiviteten og nøjagtigheden af patologiske analyser. Denne metode, tilføjede han, lover at strømline målrettede forebyggende foranstaltninger og optimere behandlingsvalg for individuelle patienter.
Ansvarsfraskrivelse
I tråd med den Trust Project retningslinjer, bemærk venligst, at oplysningerne på denne side ikke er beregnet til at være og ikke skal fortolkes som juridiske, skattemæssige, investeringsmæssige, finansielle eller nogen anden form for rådgivning. Det er vigtigt kun at investere, hvad du har råd til at tabe, og at søge uafhængig finansiel rådgivning, hvis du er i tvivl. For yderligere information foreslår vi at henvise til vilkårene og betingelserne samt hjælpe- og supportsiderne fra udstederen eller annoncøren. MetaversePost er forpligtet til nøjagtig, objektiv rapportering, men markedsforholdene kan ændres uden varsel.
Om forfatteren
Kumar er en erfaren teknisk journalist med speciale i de dynamiske skæringspunkter mellem AI/ML, marketingteknologi og nye områder som krypto, blockchain og NFTs. Med over 3 års erfaring i branchen har Kumar etableret en dokumenteret track record i at skabe overbevisende fortællinger, udføre indsigtsfulde interviews og levere omfattende indsigt. Kumars ekspertise ligger i at producere indhold med stor gennemslagskraft, herunder artikler, rapporter og forskningspublikationer til fremtrædende industriplatforme. Med et unikt færdighedssæt, der kombinerer teknisk viden og historiefortælling, udmærker Kumar sig ved at kommunikere komplekse teknologiske koncepter til forskellige målgrupper på en klar og engagerende måde.
Flere artiklerKumar er en erfaren teknisk journalist med speciale i de dynamiske skæringspunkter mellem AI/ML, marketingteknologi og nye områder som krypto, blockchain og NFTs. Med over 3 års erfaring i branchen har Kumar etableret en dokumenteret track record i at skabe overbevisende fortællinger, udføre indsigtsfulde interviews og levere omfattende indsigt. Kumars ekspertise ligger i at producere indhold med stor gennemslagskraft, herunder artikler, rapporter og forskningspublikationer til fremtrædende industriplatforme. Med et unikt færdighedssæt, der kombinerer teknisk viden og historiefortælling, udmærker Kumar sig ved at kommunikere komplekse teknologiske koncepter til forskellige målgrupper på en klar og engagerende måde.