По данным ВОЗ, колоректальный рак (КРР) занимает второе место среди основных причин смертности от рака в мире. Впервые исследователи из Мюнхенского университета им. Гельмгольца и Технологического университета Дрездена (TU Dresden) показывают, что прогнозы на основе искусственного интеллекта (ИИ) могут дать результаты, сопоставимые с клиническими тестами биопсии пациентов с CRC.
Прогнозы ИИ могут ускорить анализ образцов тканей , что приведет к более быстрому принятию решений о лечении. Эта новая модель обнаружения биомаркеров представляет собой значительный шаг на пути к реализации подходов прецизионной терапии в области онкологии. Этот новый метод теперь опубликован в журнале Cancer Cell .
Группа ученых во главе с доктором Тингингом Пенгом из Мюнхена имени Гельмгольца и профессором Якобом Н. Катером из Технического университета Дрездена показывает, что ИИ может предсказывать конкретные биомаркеры в окрашенных образцах тканей пациентов с КРР. Они использовали так называемые сети-трансформеры — недавний подход глубокого обучения (DL) — для выявления закономерностей и поддержки диагностических решений при лечении рака. Новый метод значительно улучшает предыдущие подходы к обнаружению биомаркеров.
Крупномасштабная оценка доказывает лучшее обобщение и эффективность данных
Команда исследователей разработала программное обеспечение, которое использует новую технологию трансформаторных нейронных сетей на протяжении всего процесса анализа. Они показывают, что их подход существенно улучшает производительность, обобщаемость, эффективность данных и интерпретируемость, оценивая их на большой многоцентровой когорте, состоящей из более чем 13 000 пациентов из 16 когорт из семи стран (Австралия, Китай, Германия, Израиль, Нидерланды, Великобритания, США). ), часть которого была предоставлена исследователями Немецкого онкологического исследовательского центра (DKFZ) Гейдельберга и сети Национальных центров опухолевых заболеваний (NCT).
Алгоритм, обученный на большой мультицентрической когорте, обеспечивает очень высокую чувствительность к образцам резекционной ткани, полученным во время операции. Поразительно, хотя их модель была обучена только на образцах тканей из резекций, результаты могут достигать высоких результатов и на биопсии ткани, полученной во время колоноскопии. София Дж. Вагнер, первый автор исследования, подчеркивает, что «обобщение биопсии ткани увеличивает пользу алгоритма для пациента, когда его в конечном итоге внедряют в рутинную клиническую практику».
Из-за своей высокой чувствительности к биопсийной ткани алгоритм может служить инструментом предварительного скрининга с последующим положительным тестированием в случаях, когда в ходе тестирования ИИ был получен положительный результат. Применение прогнозирования биомаркеров на основе искусственного интеллекта может снизить нагрузку на тестирование и, следовательно, ускорить этап между взятием биопсии и молекулярным определением статуса генетического риска, что позволит раньше начать лечение пациента иммунотерапией, если это необходимо.
Теги: ИИ
