Connect with us

Hi, what are you looking for?

Наука и технологии

ИИ точно предсказывает исход рака по образцам тканей

ИИ точно предсказывает исход рака по образцам тканей
ИИ точно предсказывает исход рака по образцам тканей

Исследователи Юго-западного медицинского центра UT разработали новую модель искусственного интеллекта (ИИ), которая анализирует пространственное расположение клеток в образцах тканей. Этот инновационный подход, подробно описанный в Nature Communications, позволил точно предсказать результаты для больных раком, что означает значительный прогресс в использовании искусственного интеллекта для прогнозирования рака и разработки персонализированных стратегий лечения.

«Пространственная организация клеток подобна сложной головоломке, где каждая клетка представляет собой уникальный фрагмент, тщательно соединяющийся вместе, образуя сплоченную структуру ткани или органа. Это исследование демонстрирует замечательную способность ИИ улавливать эти сложные пространственные взаимоотношения между клетками внутри тканей, извлекая тонкую информацию, ранее выходившую за рамки человеческого понимания, и одновременно прогнозируя результаты лечения пациентов», — сказал он. — сказал руководитель исследования Гуанхуа Сяо, доктор философии, профессор Школы общественного здравоохранения, биомедицинской инженерии Питера О’Доннелла-младшего и кафедры биоинформатики Лиды Хилл Юго-Западного университета Юта. Доктор Сяо является сотрудником Комплексного онкологического центра Гарольда К. Симмонса при UTSW.

Образцы тканей регулярно собираются у пациентов и помещаются на предметные стекла для интерпретации патологоанатомами, которые анализируют их для постановки диагноза. Однако, как объяснил доктор Сяо, этот процесс занимает много времени, и у разных патологов интерпретации могут различаться. Кроме того, человеческий мозг может пропускать тонкие детали, присутствующие на изображениях патологии, которые могут дать важные подсказки о состоянии пациента.

Различные модели искусственного интеллекта, созданные за последние несколько лет, могут выполнять некоторые аспекты работы патологоанатома, добавил доктор Сяо, например, идентифицировать типы клеток или использование близости ячеек в качестве показателя взаимодействия между ячейками. Однако эти модели не могут успешно воспроизвести более сложные аспекты того, как патологи интерпретируют изображения тканей, такие как распознавание закономерностей в пространственной организации клеток и исключение постороннего «шума»; в изображениях, которые могут запутать интерпретацию.

Новая модель искусственного интеллекта, которую доктор Сяо и его коллеги назвали Ceograph, имитирует то, как патологоанатомы читают слайды тканей, начиная с обнаружения клеток на изображениях и их положения. На основе этого он определяет типы клеток, а также их морфологию и пространственное распределение, создавая карту, на которой можно определить расположение, распределение и взаимодействие клеток. проанализировано.

Исследователи успешно применили этот инструмент к трем клиническим сценариям с использованием слайдов патологии. В одном из них они использовали Ceograph, чтобы различить два подтипа рака легких: аденокарциному и плоскоклеточный рак. В другом они предсказали вероятность того, что потенциально злокачественные заболевания полости рта — предраковые поражения полости рта — перерастут в рак. В третьем они определили, какие больные раком легких с наибольшей вероятностью будут реагировать на класс лекарств, называемых ингибиторами рецепторов эпидермального фактора роста.

В каждом сценарии модель Ceograph значительно превосходила традиционные методы прогнозирования 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 доктор Сяо.

Эти результаты подчеркивают растущую роль ИИ в медицинской помощи, добавил он, предлагая способ повысить эффективность и точность анализа патологий. . «Этот метод потенциально может упростить целенаправленные профилактические меры для групп высокого риска и оптимизировать выбор лечения для отдельных пациентов», — сказал он. — сказал доктор Сяо, сотрудник Центра количественных биомедицинских исследований Юго-Западного университета Юта.

Теги: ИИ

В тренде