Modelo de IA 'Ceograph' atinge precisão na previsão de resultados de câncer a partir de amostras de tecidos
Em Breve
Um modelo de IA médica recém-desenvolvido, Ceograph, pode prever resultados para pacientes com câncer com base em amostras de tecido.
Pesquisadores do UT Southwestern Medical Center (UTSW) desenvolveram um inteligência artificial (AI) – denominado Ceograph – que demonstra a capacidade de prever resultados para pacientes com câncer com base em amostras de tecido.
O desenvolvimento representa uma oportunidade para a utilização da IA para prever a provável trajetória do doença e adaptar estratégias de tratamento personalizadas. Conforme descrito na revista Nature Communications, a abordagem examina minuciosamente a configuração espacial das células em amostras de tecido.
“A organização espacial das células é como um quebra-cabeça complexo onde cada célula serve como uma peça única, encaixando-se meticulosamente para formar um tecido coeso ou estrutura de órgão. Esta pesquisa mostra a notável capacidade da IA de compreender essas intrincadas relações espaciais entre as células dos tecidos, extraindo informações sutis que antes estavam além da compreensão humana e, ao mesmo tempo, prevendo os resultados dos pacientes”, disse o líder do estudo, Guanghua Xiao, professor do Centro Médico Southwestern da Universidade do Texas, no NÓS.
Segundo os pesquisadores, no domínio da patologia – a coleta rotineira de amostras de tecidos de pacientes tem sido há muito tempo um elemento básico para o diagnóstico. Estas amostras, normalmente colocadas em lâminas para exame por patologistas, servem como componentes cruciais no processo de diagnóstico.
No entanto, como destaca o Dr. Xiao, esta abordagem convencional tem suas desvantagens – é demorada, sujeita a variações na interpretação entre os patologistas e pode perder nuances sutis em imagens patológicas que poderiam conter pistas essenciais para a saúde de um paciente.
Enfrentando esses desafios, o Dr. Xiao e sua equipe desenvolveram o modelo de IA Ceograph. Ao contrário dos seus antecessores, o Modelo de IA visa não apenas identificar tipos de células ou avaliar a proximidade celular, mas também replicar os aspectos intricados da abordagem de um patologista para interpretar imagens de tecidos.
O Dr. Xiao enfatiza que, embora os modelos anteriores de IA tenham se destacado em determinadas tarefas, eles não conseguiram capturar a complexidade inerente ao papel de um patologista. Essa complexidade envolve discernir padrões na organização espacial das células e eliminar “ruídos” estranhos nas imagens – fatores cruciais para interpretações precisas.
A superioridade do Ceograph sobre os métodos tradicionais
Dr. Xiao acrescentou que o Ceograph se diferencia por imitar os processos cognitivos dos patologistas ao ler lâminas de tecido. Começa detectando células em imagens e determinando suas posições. A partir daí, o modelo de IA vai além da mera identificação, investigando o intrincado domínio dos tipos de células, morfologia e distribuição espacial.
O novo modelo de IA pode criar um mapa detalhado que ajuda a analisar como as células são organizadas, distribuídas e interagem umas com as outras, marcando um passo em frente no uso da IA para imitar as habilidades diferenciadas dos patologistas humanos.
Os pesquisadores testaram a ferramenta em três cenários clínicos do mundo real usando slides de patologia. No primeiro cenário, o Ceograph foi empregado para diferenciar entre dois subtipos de câncer de pulmão – adenocarcinoma e carcinoma de células escamosas.
A ferramenta também foi utilizada para prever as chances de condições bucais potencialmente prejudiciais (lesões pré-cancerosas na boca) evoluirem para câncer completo. Por último, a equipa de investigação identificou quais os pacientes com cancro do pulmão que tinham maior probabilidade de responder positivamente a uma classe específica de medicamentos conhecidos como inibidores do receptor do factor de crescimento epidérmico.
Segundo os pesquisadores, em cada cenário, o modelo Ceograph superou os métodos tradicionais por uma boa margem na previsão dos resultados dos pacientes.
É importante ressaltar que as características de organização espacial celular identificadas pelo Ceograph são interpretáveis e levam a insights biológicos sobre como a mudança na interação espacial célula-célula individual poderia produzir diversas consequências funcionais, disse Xiao.
Ele enfatizou ainda o papel crescente do IA em cuidados médicos, ressaltando seu potencial para aumentar a eficiência e a precisão das análises patológicas. Este método, acrescentou, é promissor para agilizar medidas preventivas direcionadas e otimizar a seleção de tratamento para pacientes individuais.
Aviso Legal
Em linha com a Diretrizes do Projeto Trust, observe que as informações fornecidas nesta página não se destinam e não devem ser interpretadas como aconselhamento jurídico, tributário, de investimento, financeiro ou qualquer outra forma. É importante investir apenas o que você pode perder e procurar aconselhamento financeiro independente se tiver alguma dúvida. Para mais informações, sugerimos consultar os termos e condições, bem como as páginas de ajuda e suporte fornecidas pelo emissor ou anunciante. MetaversePost está comprometida com relatórios precisos e imparciais, mas as condições de mercado estão sujeitas a alterações sem aviso prévio.
Sobre o autor
Kumar é um jornalista de tecnologia experiente com especialização nas interseções dinâmicas de IA/ML, tecnologia de marketing e campos emergentes como criptografia, blockchain e NFTS. Com mais de 3 anos de experiência no setor, Kumar estabeleceu um histórico comprovado na elaboração de narrativas convincentes, na condução de entrevistas perspicazes e no fornecimento de insights abrangentes. A experiência de Kumar reside na produção de conteúdo de alto impacto, incluindo artigos, relatórios e publicações de pesquisa para plataformas importantes do setor. Com um conjunto único de habilidades que combina conhecimento técnico e narrativa, Kumar se destaca na comunicação de conceitos tecnológicos complexos para diversos públicos de maneira clara e envolvente.
Mais artigos
Kumar é um jornalista de tecnologia experiente com especialização nas interseções dinâmicas de IA/ML, tecnologia de marketing e campos emergentes como criptografia, blockchain e NFTS. Com mais de 3 anos de experiência no setor, Kumar estabeleceu um histórico comprovado na elaboração de narrativas convincentes, na condução de entrevistas perspicazes e no fornecimento de insights abrangentes. A experiência de Kumar reside na produção de conteúdo de alto impacto, incluindo artigos, relatórios e publicações de pesquisa para plataformas importantes do setor. Com um conjunto único de habilidades que combina conhecimento técnico e narrativa, Kumar se destaca na comunicação de conceitos tecnológicos complexos para diversos públicos de maneira clara e envolvente.
