Le modèle d'IA « Ceograph » atteint la précision dans la prévision des résultats du cancer à partir d'échantillons de tissus
En bref
Un nouveau modèle d'IA médicale, Ceograph, peut prédire les résultats pour les patients atteints de cancer sur la base d'échantillons de tissus.
Des chercheurs du centre médical UT Southwestern (UTSW) ont développé un intelligence artificielle (IA) – nommé Ceograph – qui démontre la capacité de prédire les résultats pour les patients atteints de cancer sur la base d’échantillons de tissus.
Ce développement représente une opportunité pour l’utilisation de l’IA pour prévoir la trajectoire probable du monde. maladie et adapter des stratégies de traitement personnalisées. Comme décrit dans la revue Nature Communications, l'approche examine la configuration spatiale des cellules dans des échantillons de tissus.
« L’organisation spatiale cellulaire est comme un puzzle complexe dans lequel chaque cellule sert de pièce unique, s’assemblant méticuleusement pour former une structure cohésive de tissu ou d’organe. Cette recherche met en valeur la capacité remarquable de l’IA à saisir ces relations spatiales complexes entre les cellules au sein des tissus, en extrayant des informations subtiles qui dépassaient auparavant la compréhension humaine tout en prédisant les résultats pour les patients », a déclaré Guanghua Xiao, responsable de l’étude et professeur au Southwestern Medical Center de l’Université du Texas. NOUS.
Selon les chercheurs, dans le domaine de la pathologie, le prélèvement systématique d’échantillons de tissus sur des patients constitue depuis longtemps un élément essentiel du diagnostic. Ces échantillons, généralement placés sur des lames pour examen par des pathologistes, jouent un rôle crucial dans le processus de diagnostic.
Cependant, comme le souligne le Dr Xiao, cette approche conventionnelle n'est pas sans inconvénients : elle prend du temps, est sujette à des variations d'interprétation parmi les pathologistes et peut manquer des nuances subtiles dans les images pathologiques qui pourraient contenir des indices essentiels sur la santé d'un patient.
Pour relever ces défis, le Dr Xiao et son équipe ont développé le modèle d'IA Ceograph. Contrairement à ses prédécesseurs, le Modèle IA vise non seulement à identifier les types de cellules ou à évaluer la proximité des cellules, mais également à reproduire les aspects complexes de l'approche d'un pathologiste dans l'interprétation des images tissulaires.
Le Dr Xiao souligne que même si les modèles d'IA précédents excellaient dans certaines tâches, ils ne parvenaient pas à saisir la complexité inhérente au rôle d'un pathologiste. Cette complexité implique de discerner les modèles d’organisation spatiale des cellules et d’éliminer le « bruit » parasite dans les images – facteurs cruciaux pour des interprétations précises.
La supériorité de Ceograph sur les méthodes traditionnelles
Le Dr Xiao a ajouté que le Ceograph se distingue en imitant les processus cognitifs des pathologistes lors de la lecture de lames de tissus. Cela commence par détecter les cellules dans les images et déterminer leur position. À partir de là, le modèle d’IA va au-delà de la simple identification, en s’intéressant au domaine complexe des types de cellules, de la morphologie et de la distribution spatiale.
Le nouveau modèle d’IA peut créer une carte détaillée qui permet d’analyser la manière dont les cellules sont disposées, distribuées et interagissent les unes avec les autres, marquant ainsi une avancée dans l’utilisation de l’IA pour imiter les compétences nuancées des pathologistes humains.
Les chercheurs ont testé l’outil dans trois scénarios cliniques réels à l’aide de diapositives pathologiques. Dans le premier scénario, Ceograph a été utilisé pour différencier deux sous-types de cancer du poumon : l'adénocarcinome et le carcinome épidermoïde.
L’outil a également été utilisé pour prévoir les risques que des affections buccales potentiellement dangereuses (lésions précancéreuses dans la bouche) se transforment en cancer à part entière. Enfin, l’équipe de recherche a identifié quels patients atteints d’un cancer du poumon étaient les plus susceptibles de répondre positivement à une classe spécifique de médicaments appelés inhibiteurs des récepteurs du facteur de croissance épidermique.
Selon les chercheurs, dans chaque scénario, le modèle Ceograph a largement surpassé les méthodes traditionnelles pour prédire les résultats pour les patients.
Il est important de noter que les caractéristiques de l'organisation spatiale cellulaire identifiées par Ceograph sont interprétables et conduisent à des informations biologiques sur la manière dont le changement d'interaction spatiale cellule-cellule individuelle pourrait produire diverses conséquences fonctionnelles, a déclaré Xiao.
Il a en outre souligné le rôle croissant de L'IA dans les soins médicaux, soulignant son potentiel pour améliorer l'efficacité et la précision des analyses pathologiques. Cette méthode, a-t-il ajouté, est prometteuse pour rationaliser les mesures préventives ciblées et optimiser la sélection du traitement pour chaque patient.
Clause de non-responsabilité
En ligne avec la Lignes directrices du projet de confiance, veuillez noter que les informations fournies sur cette page ne sont pas destinées à être et ne doivent pas être interprétées comme des conseils juridiques, fiscaux, d'investissement, financiers ou toute autre forme de conseil. Il est important d’investir uniquement ce que vous pouvez vous permettre de perdre et de demander des conseils financiers indépendants en cas de doute. Pour plus d'informations, nous vous suggérons de vous référer aux conditions générales ainsi qu'aux pages d'aide et de support mises à disposition par l'émetteur ou l'annonceur. MetaversePost s'engage à fournir des rapports précis et impartiaux, mais les conditions du marché sont susceptibles de changer sans préavis.
A propos de l'auteur
Kumar est un journaliste technologique expérimenté spécialisé dans les intersections dynamiques de l'IA/ML, de la technologie marketing et des domaines émergents tels que la cryptographie, la blockchain et NFTs. Avec plus de 3 ans d'expérience dans l'industrie, Kumar a fait ses preuves dans l'élaboration de récits convaincants, la conduite d'entretiens perspicaces et la fourniture d'informations complètes. L'expertise de Kumar réside dans la production de contenu à fort impact, notamment des articles, des rapports et des publications de recherche pour des plateformes industrielles de premier plan. Doté d’un ensemble de compétences uniques combinant connaissances techniques et narration, Kumar excelle dans la communication de concepts technologiques complexes à des publics divers de manière claire et engageante.
Plus d'articles
Kumar est un journaliste technologique expérimenté spécialisé dans les intersections dynamiques de l'IA/ML, de la technologie marketing et des domaines émergents tels que la cryptographie, la blockchain et NFTs. Avec plus de 3 ans d'expérience dans l'industrie, Kumar a fait ses preuves dans l'élaboration de récits convaincants, la conduite d'entretiens perspicaces et la fourniture d'informations complètes. L'expertise de Kumar réside dans la production de contenu à fort impact, notamment des articles, des rapports et des publications de recherche pour des plateformes industrielles de premier plan. Doté d’un ensemble de compétences uniques combinant connaissances techniques et narration, Kumar excelle dans la communication de concepts technologiques complexes à des publics divers de manière claire et engageante.
