2023. 04. 26. - 10:45
Rákdiagnosztika - Sejttípusokat számlál a mesterséges intelligencia
Javíthatja a rákdiagnosztikát a mesterséges intelligencia-alapú mélytanulási modell: pontosan megszámolja a sejttípusokat a teljes diaképeken.
Élvonalbeli mélytanulási modellt fejlesztettek ki a Kelet-Finnországi Egyetem kutatói – az eszköz a tumor mikrokörnyezetében lévő különböző sejttípusok jelenlétének előrejelzésére és megszámlálására szolgál.
A multimodális mélytanulási megközelítés várhatóan javítja majd a rákdiagnosztika és a kezelés tervezésének pontosságát és hatékonyságát.
A tumor mikrokörnyezetében jelenlévő, különböző típusú sejtek azonosítása értékes információkkal szolgálhat a daganat szövettanáról és a mögöttes biológiáról.
Fontos a pontos és megbízható sejttípus-számlálás kutatási és klinikai alkalmazásokhoz is. A kutatók a sejtszám segítségével tanulmányozhatják a különböző sejttípusok eloszlását a tumor mikrokörnyezetében, illetve azt, hogy ez hogyan függ össze a betegek állapotának kimenetelével. Olvasd el: Virtuális daganatok és mesterséges intelligencia lehet a rákterápia jövője
Rákdiagnosztika - Sejttípusokat számlál a mesterséges intelligencia
A klinikai gyakorlatban a sejtszámok felhasználhatók a terápiára adott válasz-, valamint a betegség progressziójának nyomon követésére.
„Jobb módszerekre van szükség a patológiás képeken a mélytanulási megközelítéseket alkalmazó sejttípus-számláláshoz. A jelenlegi szegmentáción és regresszión alapuló megoldásoknak vannak korlátai, így például a pontos pixelszintű annotációk megkövetelése, az átfedő magok vagy a homályos régiók kezelésének nehézségei, valamint az egyes sejttípusok elhelyezkedésére vonatkozó információk. Ezenkívül a valószínűségi modellek hajlamosak bizonytalan előrejelzéseket produkálni, és túlzott bizalomhoz vezethetnek az előrejelzések terén” – mondta el Raju Gudhe doktori kutató. Ő működött közre a javasolt megközelítés kidolgozásában a Klinikai Orvostudomány Intézetének mesterséges intelligencia-rákkutatás csoportjában a Kelet-Finnországi Egyetemen.
A tanulmány új, többfeladatos mélytanulási megközelítést javasol, röviden CT-EMT-t, hogy kezelje a jelenlegi sejttípus-számlálási módszerek korlátait a teljes tárgylemezes tumorképeken. Olvasd el: MI segít a rák biztonságos kimutatásában
A javasolt megközelítés, melyet egyébként a San Diego-i SPIE Medical Imaging 2023 kiállításon mutattak be, regressziós feladatként fogalmazza meg a sejttípus sűrűségbecslést és a sejttípus-számlálást, pixel szintű osztályozási feladatként pedig a magszegmentációt.
A szerzők két nyílt forráskódú adatkészleten képezték ki és értékelték ki a modellt: ezek a PanNuke és a MoNuSAC.
A kifejlesztett modell meggyőző értelmezéseket nyújthat a különböző sejttípusokról, emellett alkalmazható a számítási patológia különféle downstream feladataira, így például a daganatok osztályozására, prognózisára és a kezelés tervezésére.
A tanulmány hozzájárul a pontosabb és robusztusabb digitális patológiai eszközök kifejlesztéséhez, amelyek a patológusokat és a klinikusokat egyaránt segíthetik a rákos betegek diagnosztizálásában és kezelésében.
„Az egyetem mesterséges intelligencia-rákkutatás csoportjának célja, hogy feltárja a mélytanulási technológia alkalmazásában rejlő lehetőségeket a rák és az egészségügyi adatok elemzése terén” – jegyezte meg Hamid Behravan, a Kelet-Finnországi Egyetem vezető kutatója.
Hozzátette, remélik, a kutatásuk hozzájárul a precíziós gyógyászat előrehaladásához, hatékonyabb és személyre szabottabb orvoslás fejlesztéséhez a mellrák megelőzésének és prognózisának megközelítéseiben.
L.A.
