AI 模型“Ceograph”可精确预测组织样本的癌症结果
简单来说
新开发的医学人工智能模型 Ceograph 可以根据组织样本预测癌症患者的结果。
UT 西南医学中心 (UTSW) 的研究人员开发了一种 人工智能 (AI) 模型 - 名为 Ceograph - 展示了根据组织样本预测癌症患者结果的能力。
这一发展为利用人工智能来预测可能的轨迹提供了机会 疾病 并制定个性化治疗策略。正如《自然通讯》杂志中所述,该方法仔细检查组织样本内细胞的空间配置。
“细胞空间组织就像一个复杂的拼图游戏,其中每个细胞都是一个独特的部分,精心组合在一起形成有凝聚力的组织或器官结构。这项研究展示了人工智能掌握组织内细胞之间错综复杂的空间关系的非凡能力,提取以前超出人类理解的微妙信息,同时预测患者的结果。”我们。
研究人员表示,在病理学领域,从患者身上常规采集组织样本长期以来一直是诊断的主要手段。这些样本通常放置在载玻片上供病理学家检查,是诊断过程中的关键组成部分。
然而,正如肖博士所强调的那样,这种传统方法并非没有缺点——它非常耗时,病理学家之间的解释容易出现差异,并且可能会错过病理图像中的细微差别,而这些细微差别可能是了解患者健康状况的关键线索。
为了应对这些挑战,肖博士和他的团队开发了人工智能模型Ceograph。与它的前辈不同的是, AI模型 其目的不仅是识别细胞类型或评估细胞接近度,而且旨在复制病理学家解释组织图像的方法的复杂方面。
肖博士强调,虽然以前的人工智能模型在某些任务上表现出色,但它们未能捕捉到病理学家角色固有的复杂性。这种复杂性涉及辨别细胞空间组织的模式并消除图像中无关的“噪声”——这些因素对于准确解释至关重要。
Ceograph 相对于传统方法的优越性
肖博士补充说,Ceograph 通过模仿病理学家在读取组织切片时的认知过程而脱颖而出。它首先检测图像中的细胞并确定它们的位置。从那时起,人工智能模型超越了单纯的识别,深入研究了细胞类型、形态和空间分布的复杂领域。
新的人工智能模型可以创建详细的地图,帮助分析细胞如何排列、分布和相互作用,这标志着利用人工智能模仿人类病理学家的细致入微的技能向前迈出了一步。
研究人员使用病理切片在三个真实的临床场景中对该工具进行了测试。在第一种情况下,Ceograph 用于区分肺癌的两种亚型——腺癌和鳞状细胞癌。
该工具还用于预测潜在有害的口腔疾病(口腔癌前病变)发展为全面癌症的机会。最后,研究小组确定了哪些肺癌患者最有可能对表皮生长因子受体抑制剂的特定类别药物产生积极反应。
研究人员表示,在每种情况下,Ceograph 模型在预测患者结果方面都远远优于传统方法。
肖说,重要的是,Ceograph 识别的细胞空间组织特征是可解释的,并且可以从生物学角度了解个体细胞-细胞空间相互作用的变化如何产生不同的功能后果。
他进一步强调了日益重要的作用 人工智能在医疗领域的应用,强调其提高病理分析效率和准确性的潜力。他补充说,这种方法有望简化有针对性的预防措施并优化个体患者的治疗选择。
免责声明
在与行 信托项目指南,请注意,本页提供的信息无意且不应被解释为法律、税务、投资、财务或任何其他形式的建议。 重要的是,仅投资您可以承受损失的金额,并在有任何疑问时寻求独立的财务建议。 如需了解更多信息,我们建议您参阅条款和条件以及发行人或广告商提供的帮助和支持页面。 MetaversePost 致力于提供准确、公正的报告,但市场状况如有变更,恕不另行通知。
关于作者
Kumar 是一位经验丰富的科技记者,专注于人工智能/机器学习、营销技术以及加密货币、区块链和人工智能等新兴领域的动态交叉领域。 NFTs。 Kumar 拥有超过 3 年的行业经验,在撰写引人入胜的叙述、进行富有洞察力的采访和提供全面的见解方面建立了良好的记录。 Kumar 的专长在于制作高影响力的内容,包括为著名行业平台制作文章、报告和研究出版物。 库马尔拥有结合技术知识和讲故事的独特技能,擅长以清晰且引人入胜的方式向不同的受众传达复杂的技术概念。
更多文章Kumar 是一位经验丰富的科技记者,专注于人工智能/机器学习、营销技术以及加密货币、区块链和人工智能等新兴领域的动态交叉领域。 NFTs。 Kumar 拥有超过 3 年的行业经验,在撰写引人入胜的叙述、进行富有洞察力的采访和提供全面的见解方面建立了良好的记录。 Kumar 的专长在于制作高影响力的内容,包括为著名行业平台制作文章、报告和研究出版物。 库马尔拥有结合技术知识和讲故事的独特技能,擅长以清晰且引人入胜的方式向不同的受众传达复杂的技术概念。