Вчені розробили штучний інтелект для класифікації пухлин мозку
Останній перегляд: 14.06.2024
Весь контент iLive перевіряється медичними експертами, щоб забезпечити максимально можливу точність і відповідність фактам.
У нас є строгі правила щодо вибору джерел інформації та ми посилаємося тільки на авторитетні сайти, академічні дослідницькі інститути і, по можливості, доведені медичні дослідження. Зверніть увагу, що цифри в дужках ([1], [2] і т. д.) є інтерактивними посиланнями на такі дослідження.
Якщо ви вважаєте, що який-небудь з наших матеріалів є неточним, застарілим або іншим чином сумнівним, виберіть його і натисніть Ctrl + Enter.
Дослідники з Австралійського національного університету (ANU) розробили новий інструмент штучного інтелекту для швидшої та точнішої класифікації пухлин мозку.
За словами доктора Дан-Тай Хоанга, точність діагностики та класифікації пухлин має вирішальне значення для ефективного лікування пацієнтів.
«Поточним золотим стандартом для ідентифікації різних типів пухлин головного мозку є профілювання на основі метилювання ДНК», — сказав доктор Хоанг.
«Метилування ДНК діє як перемикач для контролю активності генів і визначення того, які гени вмикаються чи вимикаються.
Але час, необхідний для проведення такого роду тестування, може бути значним недоліком, часто вимагаючи тижнів або більше, коли пацієнтам може знадобитися швидко приймати рішення щодо терапії.
Огляд наборів даних і процесу обчислень. Джерело: Nature Medicine (2024). DOI: 10.1038/s41591-024-02995-8
Крім того, такі тести доступні не в усіх лікарнях світу».
Щоб вирішити ці проблеми, дослідники з ANU у співпраці з експертами з Національного інституту раку в США розробили DEPLOY, спосіб прогнозування метилювання ДНК і класифікації пухлин мозку на 10 основних підтипів.
DEPLOY використовує мікроскопічні зображення тканин пацієнта, які називаються гістопатологічними зображеннями.
Модель навчено та випробувано на великих наборах даних приблизно 4000 пацієнтів із Сполучених Штатів і Європи. опубліковано в журналі Nature Medicine.
«Дивно, але DEPLOY досяг безпрецедентної точності в 95%, — сказав доктор Хоанг.
Крім того, під час аналізу підмножини з 309 зразків, які особливо важко класифікувати, DEPLOY зміг поставити діагноз, який був клінічно значущим, ніж той, який спочатку поставили патологоанатоми.
«Це демонструє потенційну роль DEPLOY у майбутньому як додаткового інструменту, що доповнює початковий діагноз патологоанатома або навіть потребує повторної оцінки в разі розбіжностей».
Дослідники вважають, що DEPLOY можна буде використовувати для класифікації інших типів раку.
Результати дослідження опубліковано в журналі Nature Medicine.