Новые публикации
Учёные разработали искусственный интеллект для классификации опухолей мозга
Последняя редакция: 14.06.2024
Весь контент Web2Health проверяется медицинскими экспертами, чтобы обеспечить максимально возможную точность и соответствие фактам.
У нас есть строгие правила по выбору источников информации и мы ссылаемся только на авторитетные сайты, академические исследовательские институты и, по возможности, доказанные медицинские исследования. Обратите внимание, что цифры в скобках ([1], [2] и т. д.) являются интерактивными ссылками на такие исследования.
Если вы считаете, что какой-либо из наших материалов является неточным, устаревшим или иным образом сомнительным, выберите его и нажмите Ctrl + Enter.
Новое средство искусственного интеллекта для более быстрого и точного классифицирования опухолей головного мозга было разработано исследователями из Австралийского национального университета (ANU).
По словам доктора Дана-Тая Хоанга, точность в диагностике и классификации опухолей имеет решающее значение для эффективного лечения пациентов.
«Текущий золотой стандарт для идентификации различных видов опухолей головного мозга — это профилирование на основе метилирования ДНК», — сказал доктор Хоанг.
«Метилирование ДНК действует как переключатель для контроля активности генов и определения, какие гены включены или выключены.
«Но время, необходимое для проведения такого рода тестирования, может быть значительным недостатком, часто требуя несколько недель или более, когда пациенты могут нуждаться в быстром принятии решений по поводу терапии.
Обзор наборов данных и вычислительного рабочего процесса. Источник: Nature Medicine (2024). DOI: 10.1038/s41591-024-02995-8
«Кроме того, почти во всех больницах мира такие тесты недоступны».
Чтобы решить эти проблемы, исследователи из ANU, в сотрудничестве с экспертами из Национального института рака в США, разработали DEPLOY — способ предсказания метилирования ДНК и последующей классификации опухолей головного мозга на 10 основных подтипов.
DEPLOY использует микроскопические снимки тканей пациента, называемые гистопатологическими изображениями.
Модель была обучена и проверена на больших наборах данных примерно 4000 пациентов из США и Европы. опубликовано в журнале Nature Medicine.
«Удивительно, но DEPLOY достиг беспрецедентной точности в 95%», — сказал доктор Хоанг.
«Кроме того, при анализе подмножества из 309 особенно сложных для классификации образцов DEPLOY смог предоставить диагноз, который был более клинически значимым, чем первоначально предоставленный патологоанатомами.
«Это показывает потенциальную роль DEPLOY в будущем как дополнительного инструмента, дополняющего первоначальный диагноз патологоанатома или даже вызывающего необходимость повторной оценки в случае расхождений».
Исследователи считают, что DEPLOY в конечном итоге можно будет использовать для классификации других типов рака.
Результаты исследования опубликованы в журнале Nature Medicine.