AI-model 'Ceograph' bereikt precisie bij het voorspellen van kankerresultaten op basis van weefselmonsters
In het kort
Een nieuw ontwikkeld medisch AI-model Ceograph kan de uitkomsten voor kankerpatiënten voorspellen op basis van weefselmonsters.
Onderzoekers van het UT Southwestern Medical Center (UTSW) ontwikkelden een kunstmatige intelligentie (AI)-model – genaamd Ceograph – dat het vermogen aantoont om de uitkomsten voor kankerpatiënten te voorspellen op basis van weefselmonsters.
De ontwikkeling biedt een kans voor het gebruik van AI om het waarschijnlijke traject van de toekomst te voorspellen ziekte en gepersonaliseerde behandelstrategieën op maat maken. Zoals beschreven in het tijdschrift Nature Communications, onderzoekt de aanpak de ruimtelijke configuratie van cellen in weefselmonsters.
“De ruimtelijke organisatie van cellen is als een complexe legpuzzel waarbij elke cel als een uniek stuk dient, dat nauwgezet in elkaar past om een samenhangende weefsel- of orgaanstructuur te vormen. Dit onderzoek toont het opmerkelijke vermogen van AI aan om deze ingewikkelde ruimtelijke relaties tussen cellen in weefsels te begrijpen, subtiele informatie te extraheren die voorheen het menselijk begrip te boven ging en tegelijkertijd de uitkomsten van de patiënt te voorspellen”, zegt onderzoeksleider Guanghua Xiao, een professor aan het Southwestern Medical Center van de Universiteit van Texas. ONS.
Volgens onderzoekers is het routinematig verzamelen van weefselmonsters van patiënten op het gebied van de pathologie lange tijd een belangrijk onderdeel van de diagnose geweest. Deze monsters, die doorgaans op objectglaasjes worden geplaatst voor onderzoek door pathologen, dienen als cruciale componenten in het diagnostische proces.
Echter, zoals Dr. Xiao benadrukt, is deze conventionele aanpak niet zonder nadelen: het is tijdrovend, vatbaar voor interpretatieverschillen tussen pathologen en het kan voorkomen dat subtiele nuances in pathologiebeelden over het hoofd worden gezien die cruciale aanwijzingen kunnen bevatten voor de gezondheid van een patiënt.
Om deze uitdagingen aan te pakken, ontwikkelden Dr. Xiao en zijn team het AI-model Ceograph. In tegenstelling tot zijn voorgangers is de AI-model Het doel is niet alleen om celtypen te identificeren of de nabijheid van cellen te beoordelen, maar ook om de ingewikkelde aspecten van de benadering van een patholoog bij het interpreteren van weefselbeelden te repliceren.
Dr. Xiao benadrukt dat eerdere AI-modellen weliswaar uitblonken in bepaalde taken, maar tekortschoten in het vastleggen van de complexiteit die inherent is aan de rol van een patholoog. Deze complexiteit omvat het onderscheiden van patronen in de ruimtelijke organisatie van cellen en het elimineren van externe ‘ruis’ in beelden – factoren die cruciaal zijn voor nauwkeurige interpretaties.
De superioriteit van Ceograph ten opzichte van traditionele methoden
Dr. Xiao voegde eraan toe dat de Ceograph zich onderscheidt door de cognitieve processen van pathologen na te bootsen bij het lezen van weefselglaasjes. Het begint met het detecteren van cellen in afbeeldingen en het bepalen van hun posities. Van daaruit gaat het AI-model verder dan louter identificatie en verdiept het zich in het ingewikkelde rijk van celtypen, morfologie en ruimtelijke distributie.
Het nieuwe AI-model kan een gedetailleerde kaart creëren die helpt analyseren hoe cellen zijn gerangschikt, gedistribueerd en met elkaar interacteren, wat een stap voorwaarts betekent in het gebruik van AI om de genuanceerde vaardigheden van menselijke pathologen na te bootsen.
De onderzoekers testten de tool in drie klinische scenario's uit de echte wereld met behulp van pathologiedia's. In het eerste scenario werd Ceograph gebruikt om onderscheid te maken tussen twee subtypes van longkanker: adenocarcinoom en plaveiselcelcarcinoom.
De tool werd ook gebruikt om de kansen te voorspellen dat potentieel schadelijke orale aandoeningen (precancereuze laesies in de mond) zich zouden ontwikkelen tot volwaardige kanker. Ten slotte heeft het onderzoeksteam vastgesteld welke longkankerpatiënten het meest waarschijnlijk positief zouden reageren op een specifieke klasse medicijnen die bekend staan als epidermale groeifactorreceptorremmers.
Volgens de onderzoekers presteerde het Ceograph-model in elk scenario ruimschoots beter dan traditionele methoden bij het voorspellen van patiëntresultaten.
Belangrijk is dat de door Ceograph geïdentificeerde celruimtelijke organisatiekenmerken interpreteerbaar zijn en leiden tot biologische inzichten in hoe individuele cel-cel ruimtelijke interactieverandering verschillende functionele gevolgen zou kunnen hebben, zei Xiao.
Hij benadrukte verder de groeiende rol van AI in de medische zorg, wat het potentieel ervan onderstreept om de efficiëntie en nauwkeurigheid van pathologische analyses te verbeteren. Deze methode, zo voegde hij eraan toe, is veelbelovend voor het stroomlijnen van gerichte preventieve maatregelen en het optimaliseren van de behandelingskeuze voor individuele patiënten.
Disclaimer
In lijn met de Richtlijnen voor vertrouwensprojectenHoud er rekening mee dat de informatie op deze pagina niet bedoeld is en niet mag worden geïnterpreteerd als juridisch, fiscaal, beleggings-, financieel of enige andere vorm van advies. Het is belangrijk om alleen te beleggen wat u zich kunt veroorloven te verliezen en onafhankelijk financieel advies in te winnen als u twijfels heeft. Voor meer informatie raden wij u aan de algemene voorwaarden en de hulp- en ondersteuningspagina's van de uitgever of adverteerder te raadplegen. MetaversePost streeft naar nauwkeurige, onpartijdige berichtgeving, maar de marktomstandigheden kunnen zonder voorafgaande kennisgeving worden gewijzigd.
Over de auteur
Kumar is een ervaren technologiejournalist met een specialisatie in de dynamische kruispunten van AI/ML, marketingtechnologie en opkomende velden zoals crypto, blockchain en NFTS. Met meer dan drie jaar ervaring in de branche heeft Kumar een bewezen staat van dienst opgebouwd in het opstellen van boeiende verhalen, het houden van inzichtelijke interviews en het leveren van uitgebreide inzichten. De expertise van Kumar ligt in het produceren van inhoud met een grote impact, waaronder artikelen, rapporten en onderzoekspublicaties voor vooraanstaande industriële platforms. Met een unieke reeks vaardigheden die technische kennis en verhalen vertellen combineert, blinkt Kumar uit in het op een duidelijke en boeiende manier communiceren van complexe technologische concepten aan een divers publiek.
Meer artikelen
Kumar is een ervaren technologiejournalist met een specialisatie in de dynamische kruispunten van AI/ML, marketingtechnologie en opkomende velden zoals crypto, blockchain en NFTS. Met meer dan drie jaar ervaring in de branche heeft Kumar een bewezen staat van dienst opgebouwd in het opstellen van boeiende verhalen, het houden van inzichtelijke interviews en het leveren van uitgebreide inzichten. De expertise van Kumar ligt in het produceren van inhoud met een grote impact, waaronder artikelen, rapporten en onderzoekspublicaties voor vooraanstaande industriële platforms. Met een unieke reeks vaardigheden die technische kennis en verhalen vertellen combineert, blinkt Kumar uit in het op een duidelijke en boeiende manier communiceren van complexe technologische concepten aan een divers publiek.
