2021. 01. 09. - 08:00
Segíthet a vérrák kimutatásában a mesterséges intelligencia
Nagy biztonsággal segíthet az akut mieloid leukémia kimutatásában a mesterséges intelligencia, amely a vérrák egyik leggyakoribb formája.
Komoly szerepet játszhat az akut mieloid leukémia (AML) kimutatásában a mesterséges intelligencia (MI). Ez a betegség a vérrák leggyakoribb formája, melyet az MI meglehetősen nagy megbízhatósággal képes azonosítani.
A kutatók vérben található sejtek génaktivitás-elemzésén alapuló megközelítése támogathatja a hagyományos diagnosztikát és felgyorsíthatja a terápia kezdetét – áll egy tanulmányban, melyet az iScience szaklap közölt.
Az akut mieloid leukémia tünetei a korai szakaszban egy súlyos megfázáséra hasonlítanak.
Márpedig itt egy életveszélyes betegségről van szó, amelyet olyan gyorsan kell elkezdeni kezelni, ahogy csak lehet. Olvasd el: Mesterséges intelligencia segíthet megjósolni a tüdőrákos betegek visszaesését
A vérrák leggyakoribb formájának azonosításában vehet részt a mesterséges intelligencia
„Tanulmányunk alapján lehetségesnek tűnik, hogy akár vérvizsgálattal egy háziorvos is észrevegye az AML gyanúját” - mondta el Joachim Schultze, a németországi Neurodegeneratív Betegségek Központ (DZNE) kutatócsoport-vezetője.
Ha pedig a gyanút megerősítik, a beteget máris specialistához lehet küldeni.
„Lehetséges, hogy ebben az esetben a diagnózis jóval korábban megtörténne, mint manapság, a kezelést pedig mielőbb el lehetne kezdeni” – mondta Schultze, aki egyben a Bonni Egyetem LIMES Intézetének genomika és immunszabályozás tanszékének vezetője.
A tanulmány során a kutatók az ún. transzkriptomra összpontosítottak, amely egyfajta ujjlenyomat a génaktivitásról. Minden egyes sejtben - állapotától függően -, csak bizonyos gének „vannak bekapcsolva”, és ez a génaktivitásuk profiljában is tükröződik.
Pontosan ilyen - a vérminták sejtjeiből származó, sok ezer génre kiterjedő - adatot elemeztek a tanulmány során. Olvasd el: Így javíthatja a rák diagnózisát a mesterséges intelligencia
„A transzkriptom fontos információt tartalmaz a sejtek állapotáról. A klasszikus diagnosztika azonban más adatokon alapszik. Ezért szerettük volna megtudni, vajon a transzkriptom elemzése mit érhet el mesterséges intelligencia, azaz képezhető algoritmusok használatával” – magyarázta Schultze.
A vizsgálat során több mint 12 ezer vérminta adatait vették figyelembe - melyek 105 különböző vizsgálatból származtak.
Nagyjából 4100 ilyen vérmintát adtak AML-el diagnosztizált egyének, a fennmaradó részt más betegségben szenvedő emberektől vagy egészséges személyektől vették.
A kutatók ezután ennek az adatsornak egy részével táplálták az algoritmusokat. A bemenet információt tartalmazott arról, hogy a minta AML-betegtől származott, vagy sem.
Az algoritmusok ezután a transzkriptomban keresték a betegségre jellemző mintákat - ez nagyrészt automatizált folyamat, melyet gépi tanulásnak hívnak - mondta Schultze.
A mintafelismerés alapján további adatokat elemeztek és osztályoztak az algoritmusok segítségével – azokat AML-es és AML nélküli mintákba sorolva.
A módszer, amennyiben alkalmazzák, támogathatja a hagyományos diagnosztikát és elősegítheti a költségek leszorítását is – összegezte a szakember.
László Adrienn
