Il modello di intelligenza artificiale "Ceograph" raggiunge precisione nella previsione degli esiti del cancro da campioni di tessuto
In Breve
Un modello di intelligenza artificiale medica di nuova concezione, Ceograph, può prevedere gli esiti per i pazienti affetti da cancro sulla base di campioni di tessuto.
I ricercatori dell'UT Southwestern Medical Center (UTSW) hanno sviluppato a intelligenza artificiale (AI) – denominato Ceograph – che dimostra la capacità di prevedere gli esiti per i pazienti affetti da cancro sulla base di campioni di tessuto.
Lo sviluppo rappresenta un’opportunità per l’utilizzo dell’intelligenza artificiale per prevedere la probabile traiettoria del futuro malattia e adattare strategie di trattamento personalizzate. Come descritto nella rivista Nature Communications, l’approccio esamina la configurazione spaziale delle cellule all’interno dei campioni di tessuto.
“L’organizzazione spaziale delle cellule è come un complesso puzzle in cui ogni cellula funge da pezzo unico, che si incastra meticolosamente per formare un tessuto coeso o una struttura di organo. Questa ricerca mostra la straordinaria capacità dell’intelligenza artificiale di cogliere queste intricate relazioni spaziali tra le cellule all’interno dei tessuti, estraendo informazioni sottili che prima andavano oltre la comprensione umana e prevedendo al tempo stesso i risultati dei pazienti”, ha affermato il leader dello studio Guanghua Xiao, professore presso il Southwestern Medical Center dell’Università del Texas. NOI.
Secondo i ricercatori, nel campo della patologia, la raccolta di routine di campioni di tessuto dai pazienti è stata a lungo un punto fermo per la diagnosi. Questi campioni, generalmente posizionati su vetrini per l'esame da parte dei patologi, fungono da componenti cruciali nel processo diagnostico.
Tuttavia, come sottolinea il dottor Xiao, questo approccio convenzionale non è privo di inconvenienti: richiede molto tempo, è soggetto a variazioni di interpretazione tra i patologi e può perdere sottili sfumature nelle immagini patologiche che potrebbero contenere indizi fondamentali sulla salute di un paziente.
Affrontando queste sfide, il dottor Xiao e il suo team hanno sviluppato il modello di intelligenza artificiale Ceograph. A differenza dei suoi predecessori, il Modello AI mira non solo a identificare i tipi di cellule o a valutare la vicinanza delle cellule, ma a replicare gli aspetti complessi dell’approccio di un patologo all’interpretazione delle immagini dei tessuti.
Il dottor Xiao sottolinea che, sebbene i precedenti modelli di intelligenza artificiale eccellessero in determinati compiti, non sono riusciti a catturare la complessità insita nel ruolo di un patologo. Questa complessità implica il discernimento dei modelli nell’organizzazione spaziale delle cellule e l’eliminazione del “rumore” estraneo nelle immagini – fattori cruciali per interpretazioni accurate.
La superiorità di Ceograph rispetto ai metodi tradizionali
Il dottor Xiao ha aggiunto che il Ceograph si distingue imitando i processi cognitivi dei patologi durante la lettura dei vetrini dei tessuti. Inizia rilevando le cellule nelle immagini e determinando la loro posizione. Da lì, il modello di intelligenza artificiale va oltre la semplice identificazione, addentrandosi nell’intricato regno dei tipi cellulari, della morfologia e della distribuzione spaziale.
Il nuovo modello di intelligenza artificiale può creare una mappa dettagliata che aiuta ad analizzare come le cellule sono disposte, distribuite e interagiscono tra loro, segnando un passo avanti nell’uso dell’intelligenza artificiale per imitare le competenze sfumate dei patologi umani.
I ricercatori hanno testato lo strumento in tre scenari clinici reali utilizzando diapositive di patologia. Nel primo scenario, Ceograph è stato utilizzato per distinguere tra due sottotipi di cancro del polmone: adenocarcinoma e carcinoma a cellule squamose.
Lo strumento è stato utilizzato anche per prevedere le possibilità che condizioni orali potenzialmente dannose (lesioni precancerose nella bocca) si sviluppino in un cancro a tutti gli effetti. Infine, il gruppo di ricerca ha individuato quali pazienti affetti da cancro al polmone avevano maggiori probabilità di rispondere positivamente a una classe specifica di farmaci noti come inibitori del recettore del fattore di crescita epidermico.
Secondo i ricercatori, in ciascuno scenario, il modello Ceograph ha sovraperformato i metodi tradizionali con un buon margine nella previsione degli esiti dei pazienti.
È importante sottolineare che le caratteristiche dell’organizzazione spaziale cellulare identificate da Ceograph sono interpretabili e portano a intuizioni biologiche su come il cambiamento dell’interazione spaziale cellula-cellula potrebbe produrre diverse conseguenze funzionali, ha detto Xiao.
Ha inoltre sottolineato il ruolo crescente di L’intelligenza artificiale nelle cure mediche, sottolineando il suo potenziale per migliorare l'efficienza e l'accuratezza delle analisi patologiche. Questo metodo, ha aggiunto, è promettente per razionalizzare le misure preventive mirate e ottimizzare la selezione del trattamento per i singoli pazienti.
Negazione di responsabilità
In linea con la Linee guida del progetto Trust, si prega di notare che le informazioni fornite in questa pagina non intendono essere e non devono essere interpretate come consulenza legale, fiscale, di investimento, finanziaria o di qualsiasi altra forma. È importante investire solo ciò che puoi permetterti di perdere e chiedere una consulenza finanziaria indipendente in caso di dubbi. Per ulteriori informazioni, suggeriamo di fare riferimento ai termini e alle condizioni nonché alle pagine di aiuto e supporto fornite dall'emittente o dall'inserzionista. MetaversePost si impegna a fornire report accurati e imparziali, ma le condizioni di mercato sono soggette a modifiche senza preavviso.
Circa l'autore
Kumar è un giornalista tecnologico esperto con una specializzazione nelle intersezioni dinamiche di AI/ML, tecnologia di marketing e campi emergenti come criptovaluta, blockchain e NFTS. Con oltre 3 anni di esperienza nel settore, Kumar ha stabilito una comprovata esperienza nella creazione di narrazioni avvincenti, nella conduzione di interviste approfondite e nella fornitura di approfondimenti completi. L'esperienza di Kumar risiede nella produzione di contenuti di grande impatto, inclusi articoli, rapporti e pubblicazioni di ricerca per importanti piattaforme di settore. Con un insieme di competenze uniche che combina conoscenze tecniche e narrazione, Kumar eccelle nel comunicare concetti tecnologici complessi a un pubblico diversificato in modo chiaro e coinvolgente.
Altri articoli
Kumar è un giornalista tecnologico esperto con una specializzazione nelle intersezioni dinamiche di AI/ML, tecnologia di marketing e campi emergenti come criptovaluta, blockchain e NFTS. Con oltre 3 anni di esperienza nel settore, Kumar ha stabilito una comprovata esperienza nella creazione di narrazioni avvincenti, nella conduzione di interviste approfondite e nella fornitura di approfondimenti completi. L'esperienza di Kumar risiede nella produzione di contenuti di grande impatto, inclusi articoli, rapporti e pubblicazioni di ricerca per importanti piattaforme di settore. Con un insieme di competenze uniche che combina conoscenze tecniche e narrazione, Kumar eccelle nel comunicare concetti tecnologici complessi a un pubblico diversificato in modo chiaro e coinvolgente.
