Модель искусственного интеллекта «Ceograph» обеспечивает точность прогнозирования исходов рака на основе образцов тканей
Коротко
Недавно разработанная медицинская модель искусственного интеллекта Ceograph может прогнозировать результаты лечения онкологических больных на основе образцов тканей.
Исследователи из Юго-западного медицинского центра UT (UTSW) разработали искусственный интеллект (ИИ) модель под названием Ceograph, которая демонстрирует способность прогнозировать результаты лечения онкологических больных на основе образцов тканей.
Разработка представляет собой шанс использовать ИИ для прогнозирования вероятной траектории движения. болезнь и адаптировать индивидуальные стратегии лечения. Как описано в журнале Nature Communications, этот подход тщательно изучает пространственную конфигурацию клеток в образцах тканей.
«Пространственная организация клеток подобна сложной головоломке, где каждая клетка представляет собой уникальный фрагмент, тщательно соединяющийся друг с другом, образуя сплоченную ткань или структуру органа. Это исследование демонстрирует замечательную способность искусственного интеллекта улавливать эти сложные пространственные взаимоотношения между клетками внутри тканей, извлекая тонкую информацию, ранее выходящую за рамки человеческого понимания, и одновременно прогнозировать результаты лечения пациентов», — сказал руководитель исследования Гуанхуа Сяо, профессор Юго-западного медицинского центра Техасского университета в США. НАС.
По мнению исследователей, в сфере патологии рутинный сбор образцов тканей у пациентов уже давно является основным методом диагностики. Эти образцы, обычно помещаемые на предметные стекла для исследования патологами, служат важнейшими компонентами диагностического процесса.
Однако, как подчеркивает доктор Сяо, этот традиционный подход не лишен недостатков: он отнимает много времени, подвержен различиям в интерпретации среди патологоанатомов и может упускать тонкие нюансы в изображениях патологии, которые могут содержать ключевые подсказки о здоровье пациента.
Решая эти проблемы, доктор Сяо и его команда разработали модель искусственного интеллекта Ceograph. В отличие от своих предшественников, Модель ИИ цель не только идентифицировать типы клеток или оценить близость клеток, но и воспроизвести сложные аспекты подхода патологоанатома к интерпретации изображений тканей.
Доктор Сяо подчеркивает, что, хотя предыдущие модели ИИ преуспели в выполнении определенных задач, они не смогли отразить сложность, присущую роли патологоанатома. Эта сложность предполагает распознавание закономерностей в пространственной организации клеток и устранение постороннего «шума» на изображениях – факторы, имеющие решающее значение для точной интерпретации.
Превосходство Ceograph над традиционными методами
Доктор Сяо добавил, что Ceograph выделяется тем, что имитирует когнитивные процессы патологоанатомов при чтении слайдов тканей. Он начинается с обнаружения клеток на изображениях и определения их положения. С этого момента модель ИИ выходит за рамки простой идентификации, углубляясь в сложную сферу типов клеток, морфологии и пространственного распределения.
Новая модель ИИ может создать подробную карту, которая поможет проанализировать, как клетки расположены, распределены и взаимодействуют друг с другом, что знаменует собой шаг вперед в использовании ИИ для имитации тонких навыков человеческих патологов.
Исследователи протестировали инструмент в трех реальных клинических сценариях, используя слайды с патологиями. В первом сценарии Ceograph использовался для дифференциации двух подтипов рака легких — аденокарциномы и плоскоклеточного рака.
Этот инструмент также использовался для прогнозирования вероятности развития потенциально опасных заболеваний полости рта (предраковых поражений во рту) в полноценный рак. Наконец, исследовательская группа определила, какие пациенты с раком легких с наибольшей вероятностью будут положительно реагировать на определенный класс лекарств, известных как ингибиторы рецепторов эпидермального фактора роста.
По мнению исследователей, в каждом сценарии модель Ceograph значительно превосходила традиционные методы в прогнозировании результатов лечения пациентов.
Важно отметить, что особенности пространственной организации клеток, выявленные Ceograph, поддаются интерпретации и приводят к биологическому пониманию того, как изменение пространственного взаимодействия между отдельными клетками может привести к различным функциональным последствиям, сказал Сяо.
Он также подчеркнул растущую роль ИИ в здравоохранении, подчеркивая его потенциал для повышения эффективности и точности анализа патологий. Он добавил, что этот метод обещает оптимизировать целевые профилактические меры и оптимизировать выбор лечения для отдельных пациентов.
Отказ от ответственности
В соответствии с Руководство трастового проектаОбратите внимание, что информация, представленная на этой странице, не предназначена и не должна интерпретироваться как юридическая, налоговая, инвестиционная, финансовая или любая другая форма консультации. Важно инвестировать только то, что вы можете позволить себе потерять, и обращаться за независимой финансовой консультацией, если у вас есть какие-либо сомнения. Для получения дополнительной информации мы предлагаем обратиться к положениям и условиям, а также к страницам справки и поддержки, предоставленным эмитентом или рекламодателем. MetaversePost стремится предоставлять точную и объективную отчетность, однако рыночные условия могут быть изменены без предварительного уведомления.
Об авторе
Кумар — опытный технический журналист, специализирующийся на динамических пересечениях искусственного интеллекта и машинного обучения, маркетинговых технологий и новых областях, таких как криптография, блокчейн и NFTс. Имея более чем трехлетний опыт работы в отрасли, Кумар зарекомендовал себя в создании убедительных повествований, проведении содержательных интервью и предоставлении всеобъемлющей информации. Опыт Кумара заключается в создании эффективного контента, включая статьи, отчеты и исследовательские публикации для известных отраслевых платформ. Обладая уникальным набором навыков, сочетающим в себе технические знания и умение рассказывать истории, Кумар преуспевает в ясной и увлекательной передаче сложных технологических концепций разнообразной аудитории.
Другие статьи
Кумар — опытный технический журналист, специализирующийся на динамических пересечениях искусственного интеллекта и машинного обучения, маркетинговых технологий и новых областях, таких как криптография, блокчейн и NFTс. Имея более чем трехлетний опыт работы в отрасли, Кумар зарекомендовал себя в создании убедительных повествований, проведении содержательных интервью и предоставлении всеобъемлющей информации. Опыт Кумара заключается в создании эффективного контента, включая статьи, отчеты и исследовательские публикации для известных отраслевых платформ. Обладая уникальным набором навыков, сочетающим в себе технические знания и умение рассказывать истории, Кумар преуспевает в ясной и увлекательной передаче сложных технологических концепций разнообразной аудитории.
