Model AI „Ceograph” osiąga precyzję w przewidywaniu skutków raka na podstawie próbek tkanek
W skrócie
Nowo opracowany medyczny model sztucznej inteligencji Ceograph może przewidywać wyniki leczenia pacjentów chorych na raka na podstawie próbek tkanek.
Naukowcy z UT Southwestern Medical Center (UTSW) opracowali sztuczna inteligencja Model (AI) – nazwany Ceograph – demonstrujący zdolność przewidywania wyników leczenia pacjentów chorych na raka na podstawie próbek tkanek.
Rozwój ten stanowi szansę na wykorzystanie sztucznej inteligencji do prognozowania prawdopodobnej trajektorii choroba i dostosować spersonalizowane strategie leczenia. Jak opisano w czasopiśmie Nature Communications, podejście to analizuje konfigurację przestrzenną komórek w próbkach tkanek.
„Organizacja przestrzenna komórki jest jak złożona układanka, w której każda komórka stanowi unikalny element, starannie dopasowując się do siebie, tworząc spójną strukturę tkanki lub narządu. Badanie to pokazuje niezwykłą zdolność sztucznej inteligencji do uchwycenia skomplikowanych relacji przestrzennych między komórkami w tkankach, wydobywania subtelnych informacji, które wcześniej były poza ludzkim zrozumieniem, podczas przewidywania wyników leczenia pacjentów” – powiedział kierownik badania Guanghua Xiao, profesor w Centrum Medycznym Uniwersytetu Teksasu w Southwestern Medical Center w USA. NAS.
Według naukowców w dziedzinie patologii rutynowe pobieranie próbek tkanek od pacjentów od dawna stanowi podstawę diagnozy. Próbki te, zwykle umieszczane na szkiełkach w celu zbadania przez patologów, służą jako kluczowe elementy procesu diagnostycznego.
Jednakże, jak podkreśla dr Xiao, to konwencjonalne podejście nie jest pozbawione wad – jest czasochłonne, podatne na różnice w interpretacji wśród patologów i może pomijać subtelne niuanse na obrazach patologicznych, które mogą zawierać kluczowe wskazówki dotyczące zdrowia pacjenta.
Aby sprostać tym wyzwaniom, dr Xiao i jego zespół opracowali model sztucznej inteligencji Ceograph. W odróżnieniu od swoich poprzedników, Model AI ma na celu nie tylko identyfikację typów komórek lub ocenę ich bliskości, ale także odtworzenie skomplikowanych aspektów podejścia patologa do interpretacji obrazów tkanek.
Dr Xiao podkreśla, że chociaż poprzednie modele sztucznej inteligencji doskonale radziły sobie z niektórymi zadaniami, nie udało im się uchwycić złożoności nieodłącznie związanej z rolą patologa. Złożoność ta obejmuje dostrzeganie wzorców w organizacji przestrzennej komórki i eliminowanie obcych „szumów” w obrazach – czynników kluczowych dla dokładnych interpretacji.
Przewaga Ceograph nad metodami tradycyjnymi
Dr Xiao dodała, że Ceograph wyróżnia się tym, że naśladuje procesy poznawcze patologów podczas odczytywania preparatów tkanek. Rozpoczyna się od wykrycia komórek na obrazach i określenia ich położenia. Od tego momentu model sztucznej inteligencji wykracza poza zwykłą identyfikację i zagłębia się w skomplikowaną dziedzinę typów komórek, morfologii i rozmieszczenia przestrzennego.
Nowy model sztucznej inteligencji może stworzyć szczegółową mapę, która pomaga analizować rozmieszczenie, dystrybucję i wzajemne interakcje komórek, co stanowi krok naprzód w wykorzystaniu sztucznej inteligencji do naśladowania zróżnicowanych umiejętności ludzkich patologów.
Naukowcy przetestowali narzędzie w trzech rzeczywistych scenariuszach klinicznych, korzystając ze slajdów patologicznych. W pierwszym scenariuszu zastosowano Ceograph do rozróżnienia dwóch podtypów raka płuc – gruczolakoraka i raka płaskonabłonkowego.
Narzędzie wykorzystano także do prognozowania ryzyka przekształcenia się potencjalnie szkodliwych schorzeń jamy ustnej (zmian przednowotworowych w jamie ustnej) w pełnoprawnego raka. Na koniec zespół badawczy wskazał, którzy pacjenci z rakiem płuc najprawdopodobniej pozytywnie zareagują na określoną klasę leków zwanych inhibitorami receptora naskórkowego czynnika wzrostu.
Według naukowców w każdym scenariuszu model Ceograph przewyższał tradycyjne metody ze znacznym marginesem w przewidywaniu wyników leczenia pacjentów.
Co ważne, cechy organizacji przestrzennej komórki zidentyfikowane przez Ceograph dają się zinterpretować i prowadzą do biologicznego wglądu w to, w jaki sposób zmiana interakcji przestrzennych poszczególnych komórek może wywołać różnorodne konsekwencje funkcjonalne, powiedział Xiao.
Następnie podkreślił rosnącą rolę tzw AI w opiece medycznej, podkreślając jego potencjał w zakresie zwiększania wydajności i dokładności analiz patologicznych. Dodał, że metoda ta jest obiecująca w zakresie usprawnienia ukierunkowanych środków zapobiegawczych i optymalizacji wyboru leczenia dla poszczególnych pacjentów.
Odpowiedzialność
Zgodnie z Zaufaj wytycznym projektu, należy pamiętać, że informacje zawarte na tej stronie nie mają na celu i nie powinny być interpretowane jako porady prawne, podatkowe, inwestycyjne, finansowe lub jakiekolwiek inne formy porad. Ważne jest, aby inwestować tylko tyle, na utratę czego możesz sobie pozwolić, a w przypadku jakichkolwiek wątpliwości zasięgnąć niezależnej porady finansowej. Aby uzyskać więcej informacji, sugerujemy zapoznać się z warunkami oraz stronami pomocy i wsparcia udostępnianymi przez wydawcę lub reklamodawcę. MetaversePost zobowiązuje się do sporządzania dokładnych i bezstronnych raportów, jednakże warunki rynkowe mogą ulec zmianie bez powiadomienia.
O autorze
Kumar jest doświadczonym dziennikarzem technicznym ze specjalizacją w dynamicznych skrzyżowaniach AI/ML, technologii marketingowej i nowych dziedzin, takich jak kryptowaluty, blockchain i NFTS. Dzięki ponad 3-letniemu doświadczeniu w branży Kumar zdobył udokumentowane doświadczenie w tworzeniu fascynujących narracji, przeprowadzaniu wnikliwych wywiadów i dostarczaniu kompleksowych spostrzeżeń. Doświadczenie Kumara polega na tworzeniu treści o dużym wpływie, w tym artykułów, raportów i publikacji badawczych dla czołowych platform branżowych. Dzięki unikalnemu zestawowi umiejętności, który łączy wiedzę techniczną i opowiadanie historii, Kumar przoduje w przekazywaniu złożonych koncepcji technologicznych różnym odbiorcom w jasny i wciągający sposób.
Więcej artykułów
Kumar jest doświadczonym dziennikarzem technicznym ze specjalizacją w dynamicznych skrzyżowaniach AI/ML, technologii marketingowej i nowych dziedzin, takich jak kryptowaluty, blockchain i NFTS. Dzięki ponad 3-letniemu doświadczeniu w branży Kumar zdobył udokumentowane doświadczenie w tworzeniu fascynujących narracji, przeprowadzaniu wnikliwych wywiadów i dostarczaniu kompleksowych spostrzeżeń. Doświadczenie Kumara polega na tworzeniu treści o dużym wpływie, w tym artykułów, raportów i publikacji badawczych dla czołowych platform branżowych. Dzięki unikalnemu zestawowi umiejętności, który łączy wiedzę techniczną i opowiadanie historii, Kumar przoduje w przekazywaniu złożonych koncepcji technologicznych różnym odbiorcom w jasny i wciągający sposób.
