Új kiadványok
A tudósok mesterséges intelligenciát fejlesztettek ki az agydaganatok osztályozására
Utolsó ellenőrzés: 02.07.2025
Minden iLive-tartalmat orvosi szempontból felülvizsgáltak vagy tényszerűen ellenőriznek, hogy a lehető legtöbb tényszerű pontosságot biztosítsák.
Szigorú beszerzési iránymutatásunk van, és csak a jó hírű média oldalakhoz, az akadémiai kutatóintézetekhez és, ha lehetséges, orvosilag felülvizsgált tanulmányokhoz kapcsolódik. Ne feledje, hogy a zárójelben ([1], [2] stb.) Szereplő számok ezekre a tanulmányokra kattintható linkek.
Ha úgy érzi, hogy a tartalom bármely pontatlan, elavult vagy más módon megkérdőjelezhető, jelölje ki, és nyomja meg a Ctrl + Enter billentyűt.
Az Ausztrál Nemzeti Egyetem (ANU) kutatói egy új mesterséges intelligencia eszközt fejlesztettek ki az agydaganatok gyorsabb és pontosabb osztályozására.
Dr. Dan-Thai Hoang szerint a daganatok diagnosztizálásának és osztályozásának pontossága kritikus fontosságú a betegek hatékony kezeléséhez.
„A különböző típusú agydaganatok azonosításának jelenlegi aranystandardja a DNS-metiláción alapuló profilalkotás” – mondta Dr. Hoang.
„A DNS-metiláció egyfajta kapcsolóként működik, amely szabályozza a génaktivitást, és meghatározza, hogy mely gének kapcsolódnak be vagy ki.”
„De az ilyen típusú vizsgálatok elvégzéséhez szükséges idő jelentős hátrány lehet, gyakran több hetet vagy többet is igénybe vehet, amikor a betegeknek gyors döntéseket kell hozniuk a terápiával kapcsolatban.”
Az adatkészletek és a számítási munkafolyamat áttekintése. Forrás: Nature Medicine (2024). DOI: 10.1038/s41591-024-02995-8
„Ráadásul az ilyen tesztek nem érhetők el szinte minden kórházban a világon.”
Ezen problémák megoldása érdekében az ANU kutatói az amerikai Nemzeti Rákkutató Intézet szakértőivel együttműködve kifejlesztették a DEPLOY-t – egy módszert a DNS-metiláció előrejelzésére, majd az agydaganatok 10 fő altípusba sorolására.
A DEPLOY a beteg szöveteinek mikroszkópos képeit, úgynevezett hisztopatológiai képeket használ.
A modellt körülbelül 4000 amerikai és európai beteg adatait tartalmazó nagyméretű adathalmazokon képezték ki és tesztelték, melyek eredményeit a Nature Medicine folyóiratban tették közzé.
„Meglepő módon a DEPLOY példátlan, 95%-os pontosságot ért el” – mondta Dr. Hoang.
„Ezenkívül 309, különösen nehezen osztályozható minta egy részhalmazának elemzésekor a DEPLOY olyan diagnózist tudott adni, amely klinikailag jelentőségteljesebb volt, mint amit eredetileg a patológusok adtak.”
„Ez rávilágít a DEPLOY potenciális szerepére a jövőben, mint kiegészítő eszköz a patológus kezdeti diagnózisának kiegészítésére, vagy akár eltérések esetén az újraértékelés ösztönzésére.”
A kutatók úgy vélik, hogy a DEPLOY végül más ráktípusok osztályozására is felhasználható lesz.
A tanulmány eredményeit a Nature Medicine folyóiratban tették közzé.