Model AI 'Ceograph' Mencapai Presisi dalam Memprediksi Hasil Kanker dari Sampel Jaringan
Singkatnya
Model AI medis yang baru dikembangkan, Ceograph, dapat memprediksi hasil bagi pasien kanker berdasarkan sampel jaringan.
Para peneliti di UT Southwestern Medical Center (UTSW) mengembangkan a kecerdasan buatan Model (AI) – bernama Ceograph – yang menunjukkan kemampuan untuk memprediksi hasil bagi pasien kanker berdasarkan sampel jaringan.
Perkembangan ini memberikan peluang bagi pemanfaatan AI untuk memperkirakan kemungkinan arah perubahan iklim penyakit dan menyesuaikan strategi pengobatan yang dipersonalisasi. Seperti yang dijelaskan dalam jurnal Nature Communications, pendekatan ini meneliti konfigurasi spasial sel dalam sampel jaringan.
“Organisasi spasial sel bagaikan teka-teki gambar yang rumit di mana setiap sel berfungsi sebagai bagian yang unik, dipasang dengan cermat untuk membentuk struktur jaringan atau organ yang kohesif. Penelitian ini menunjukkan kemampuan AI yang luar biasa untuk memahami hubungan spasial yang rumit di antara sel-sel dalam jaringan, mengekstraksi informasi halus yang sebelumnya berada di luar pemahaman manusia sambil memprediksi hasil akhir pasien,” kata pemimpin studi Guanghua Xiao, seorang profesor di University of Texas Southwestern Medical Center di University of Texas. KITA.
Menurut para peneliti, dalam bidang patologi – pengumpulan sampel jaringan pasien secara rutin telah lama menjadi kebutuhan pokok diagnosis. Sampel ini, biasanya ditempatkan pada slide untuk diperiksa oleh ahli patologi, berfungsi sebagai komponen penting dalam proses diagnostik.
Namun, seperti yang ditekankan oleh Dr. Xiao, pendekatan konvensional ini bukannya tanpa kelemahan – pendekatan ini memakan waktu, rentan terhadap variasi penafsiran di kalangan ahli patologi, dan mungkin kehilangan nuansa halus dalam gambar patologi yang dapat memberikan petunjuk penting bagi kesehatan pasien.
Untuk mengatasi tantangan ini, Dr. Xiao dan timnya mengembangkan model AI Ceograph. Berbeda dengan pendahulunya, Model AI bertujuan tidak hanya untuk mengidentifikasi jenis sel atau menilai kedekatan sel tetapi untuk mereplikasi aspek rumit dari pendekatan ahli patologi dalam menafsirkan gambar jaringan.
Dr. Xiao menekankan bahwa meskipun model AI sebelumnya unggul dalam tugas-tugas tertentu, model tersebut gagal menangkap kompleksitas yang melekat pada peran ahli patologi. Kompleksitas ini melibatkan pemahaman pola dalam organisasi spasial sel dan menghilangkan “noise” asing dalam gambar – faktor penting untuk interpretasi yang akurat.
Keunggulan Ceograph Dibandingkan Metode Tradisional
Dr. Xiao menambahkan bahwa Ceograph membedakan dirinya dengan meniru proses kognitif ahli patologi ketika membaca slide jaringan. Ini dimulai dengan mendeteksi sel dalam gambar dan menentukan posisinya. Dari sana, model AI lebih dari sekedar identifikasi, menggali lebih dalam bidang rumit jenis sel, morfologi, dan distribusi spasial.
Model AI baru ini dapat membuat peta terperinci yang membantu menganalisis bagaimana sel disusun, didistribusikan, dan berinteraksi satu sama lain, menandai langkah maju dalam penggunaan AI untuk meniru keterampilan ahli patologi manusia.
Para peneliti menguji alat tersebut dalam tiga skenario klinis dunia nyata menggunakan slide patologi. Dalam skenario pertama, Ceograph digunakan untuk membedakan dua subtipe kanker paru-paru—adenokarsinoma dan karsinoma sel skuamosa.
Alat ini juga digunakan untuk memperkirakan kemungkinan kondisi mulut yang berpotensi membahayakan (lesi prakanker di mulut) yang berkembang menjadi kanker stadium lanjut. Terakhir, tim peneliti menunjukkan pasien kanker paru mana yang paling mungkin memberikan respons positif terhadap kelas obat tertentu yang dikenal sebagai penghambat reseptor faktor pertumbuhan epidermal.
Menurut para peneliti, dalam setiap skenario, model Ceograph mengungguli metode tradisional dengan selisih yang cukup besar dalam memprediksi hasil pasien.
Yang penting, fitur organisasi spasial sel yang diidentifikasi oleh Ceograph dapat diinterpretasikan dan mengarah pada wawasan biologis tentang bagaimana perubahan interaksi spasial sel-sel individu dapat menghasilkan konsekuensi fungsional yang beragam, kata Xiao.
Lebih lanjut ia menekankan semakin besarnya peran AI dalam perawatan medis, menggarisbawahi potensinya untuk meningkatkan efisiensi dan akurasi analisis patologi. Metode ini, tambahnya, menjanjikan untuk menyederhanakan tindakan pencegahan yang ditargetkan dan mengoptimalkan pemilihan pengobatan untuk setiap pasien.
Penolakan tanggung jawab
Sejalan dengan Percayai pedoman Proyek, harap dicatat bahwa informasi yang diberikan pada halaman ini tidak dimaksudkan untuk dan tidak boleh ditafsirkan sebagai nasihat hukum, pajak, investasi, keuangan, atau bentuk nasihat lainnya. Penting untuk hanya menginvestasikan jumlah yang mampu Anda tanggung kerugiannya dan mencari nasihat keuangan independen jika Anda ragu. Untuk informasi lebih lanjut, kami menyarankan untuk merujuk pada syarat dan ketentuan serta halaman bantuan dan dukungan yang disediakan oleh penerbit atau pengiklan. MetaversePost berkomitmen terhadap pelaporan yang akurat dan tidak memihak, namun kondisi pasar dapat berubah tanpa pemberitahuan.
Tentang Penulis
Kumar adalah Jurnalis Teknologi berpengalaman dengan spesialisasi dalam persimpangan dinamis AI/ML, teknologi pemasaran, dan bidang baru seperti kripto, blockchain, dan NFTS. Dengan pengalaman lebih dari 3 tahun di industri ini, Kumar telah memiliki rekam jejak yang terbukti dalam menyusun narasi yang menarik, melakukan wawancara yang mendalam, dan memberikan wawasan yang komprehensif. Keahlian Kumar terletak pada produksi konten berdampak tinggi, termasuk artikel, laporan, dan publikasi penelitian untuk platform industri terkemuka. Dengan keahlian unik yang menggabungkan pengetahuan teknis dan penyampaian cerita, Kumar unggul dalam mengkomunikasikan konsep teknologi yang kompleks kepada beragam audiens dengan cara yang jelas dan menarik.
lebih artikelKumar adalah Jurnalis Teknologi berpengalaman dengan spesialisasi dalam persimpangan dinamis AI/ML, teknologi pemasaran, dan bidang baru seperti kripto, blockchain, dan NFTS. Dengan pengalaman lebih dari 3 tahun di industri ini, Kumar telah memiliki rekam jejak yang terbukti dalam menyusun narasi yang menarik, melakukan wawancara yang mendalam, dan memberikan wawasan yang komprehensif. Keahlian Kumar terletak pada produksi konten berdampak tinggi, termasuk artikel, laporan, dan publikasi penelitian untuk platform industri terkemuka. Dengan keahlian unik yang menggabungkan pengetahuan teknis dan penyampaian cerita, Kumar unggul dalam mengkomunikasikan konsep teknologi yang kompleks kepada beragam audiens dengan cara yang jelas dan menarik.