• Çar. Eki 20th, 2021

İstanbul Haberleri

İstanbul Haberlerinin Yayımlandığı Yerel Gazete

Yapay zeka sistemi, karmaşık metastatik kanserlerin teşhisini iyileştirebilir

metastatik kanserler

Kanser vakalarının yüzde 1 ila 2’sinde, tümör kaynaklı birincil bölge belirlenemiyor. Pek çok modern kanser terapötikleri birincil tümörleri hedeflediğinden, bilinmeyen primer (CUP) kanserin prognozu zayıftır ve ortalama 2,7 ila 16 aylık bir genel hayatta kalma oranı vardır. Daha spesifik bir tanı almak için, hastalar genellikle tedaviyi geciktiren ek laboratuvar testleri, biyopsiler ve endoskopi prosedürlerini içerebilen kapsamlı teşhis çalışmalarından geçmelidir. Brigham and Women’s Hospital’daki Mahmood Lab araştırmacıları, karmaşık metastatik kanserli hastaların teşhisini iyileştirmek için, metastatiğin kökenini doğru bir şekilde bulmak için rutin olarak elde edilen histoloji slaytlarını kullanan bir yapay zeka (AI) sistemi geliştirdi. “ayırıcı tanı” oluştururken tümörler, CUP hastaları için. Araştırma bulguları şu şekilde açıklanmıştır:Doğa .

“Kanser teşhisi konan hemen hemen her hastanın, yüz yılı aşkın süredir tanı standardı olan bir histoloji slaydı vardır. Çalışmamız, evrensel olarak edinilmiş verilerden ve yapay zekanın gücünden yararlanarak bu karmaşık vakaların teşhisini iyileştirmek için bir yol sağlıyor. Brigham’daki Hesaplamalı Patoloji Bölümü’nden muhabir yazar Faisal Mahmood ve Harvard Tıp Fakültesi’nde bir yardımcı doçent, ”dedi.

Araştırmacılar tarafından geliştirilen ve Derin Öğrenme Yoluyla Tümör Kaynak Değerlendirmesi (TOAD) adı verilen derin öğrenmeye dayalı algoritma, tümörü aynı anda birincil veya metastatik olarak tanımlar ve menşe yerini tahmin eder. Araştırmacılar, modellerini 22.000’den fazla kanser vakasından alınan tümörlerin gigapiksel patolojisi tam slayt görüntüleri ile eğitti ve daha sonra, bilinen primerleri olan yaklaşık 6.500 vakada TOAD’yi test etti ve CUP’larda AI modelinin faydasını oluşturmak için gittikçe karmaşıklaşan metastatik kanserleri analiz etti. Model, birincil kökenleri bilinen tümörler için, kanseri zamanın yüzde 83’ünde doğru bir şekilde tanımladı ve tanıyı, zamanın yüzde 96’sında ilk üç öngörüsü arasında listeledi. Araştırmacılar daha sonra modeli, ayırıcı tanı verilen 317 CUP vakasında test ederek TOAD tanısının patologlarla aynı fikirde olduğunu buldu.

TOAD’ın performansı, tümör kökenlerini tahmin etmek için genomik verileri kullanan birkaç yeni çalışma tarafından bildirilen performansla büyük ölçüde karşılaştırılabilirdi. Genomik tabanlı yapay zeka, tanılara yardımcı olmak için alternatif bir seçenek sunarken, genomik testler, özellikle kaynakların düşük olduğu ortamlarda hastalar için her zaman gerçekleştirilmez. Araştırmacılar, histolojiye dayalı modellerini daha fazla vaka ile eğitmeye devam etmeyi ve teşhis yeteneklerini ve hastaların prognozlarını iyileştirip iyileştirmediğini belirlemek için klinik araştırmalara katılmayı umuyorlar.

Mahmood, “Modelin en önemli tahminleri, sipariş edilmesi gereken yardımcı testlerin sayısını azaltarak, ek doku örneklemesini azaltarak ve hastaları teşhis etmek için gereken toplam süreyi azaltarak tanı ve sonraki tedaviyi hızlandırabilir, bu da uzun ve stresli olabilir,” dedi. . “İlk üç tahmin, patologlara sonraki adımlara rehberlik etmek için kullanılabilir ve patoloji uzmanlığının mevcut olamayacağı düşük kaynaklara sahip ortamlarda, en iyi tahmin potansiyel olarak ayırıcı bir tanı atamak için kullanılabilir. Bu, bütünü kullanmanın yalnızca ilk adımıdır. Yapay zeka destekli kanser kaynağı tahmini için slayt görüntüleri ve teşhis sürecini standartlaştırma ve iyileştirme potansiyeline sahip çok heyecan verici bir alan. “

İstanbul Haberleri

İstanbul'da yaşanan son dakika gelişmeleri, en güncel haberleri okuyucusuna sunan bağımsız yerel gazete. İstanbul Haberleri  

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir