Wetenschappers hebben kunstmatige intelligentie ontwikkeld om hersentumoren te classificeren
Laatst beoordeeld: 14.06.2024
Alle iLive-inhoud wordt medisch beoordeeld of gecontroleerd op feiten om zo veel mogelijk feitelijke nauwkeurigheid te waarborgen.
We hebben strikte richtlijnen voor sourcing en koppelen alleen aan gerenommeerde mediasites, academische onderzoeksinstellingen en, waar mogelijk, medisch getoetste onderzoeken. Merk op dat de nummers tussen haakjes ([1], [2], etc.) klikbare links naar deze studies zijn.
Als u van mening bent dat onze inhoud onjuist, verouderd of anderszins twijfelachtig is, selecteert u deze en drukt u op Ctrl + Enter.
Een nieuwe kunstmatige intelligentietool om hersentumoren sneller en nauwkeuriger te classificeren is ontwikkeld door onderzoekers van de Australian National University (ANU).
Volgens Dr. Dan-Thai Hoang is nauwkeurigheid bij het diagnosticeren en classificeren van tumoren van cruciaal belang voor een effectieve behandeling van patiënten.
"De huidige gouden standaard voor het identificeren van verschillende soorten hersentumoren is DNA-methylatie-gebaseerde profilering," zei Dr. Hoang.
"DNA-methylatie fungeert als een schakelaar om genactiviteit te controleren en te bepalen welke genen aan of uit staan.
"Maar de tijd die nodig is om dit soort testen uit te voeren kan een aanzienlijk nadeel zijn, vaak weken of langer wanneer patiënten snel beslissingen moeten nemen over therapie.
Overzicht van datasets en computationele workflow. Bron: Nature Medicine (2024). DOI: 10.1038/s41591-024-02995-8
“Bovendien zijn dergelijke tests niet in bijna alle ziekenhuizen ter wereld beschikbaar.”
Om deze uitdagingen aan te pakken, hebben onderzoekers van ANU, in samenwerking met experts van het National Cancer Institute in de VS, DEPLOY ontwikkeld, een manier om DNA-methylering te voorspellen en hersentumoren vervolgens in 10 belangrijke subtypen te classificeren.
DEPLOY maakt gebruik van microscopische beelden van het weefsel van de patiënt, zogenaamde histopathologische beelden.
Het model werd getraind en getest op grote datasets van ongeveer 4.000 patiënten uit de Verenigde Staten en Europa. Gepubliceerd in het tijdschrift Nature Medicine.
“Verrassend genoeg bereikte DEPLOY een ongekende nauwkeurigheid van 95%,” zei Dr. Hoang.
“Bovendien kon DEPLOY bij het analyseren van een subset van 309 bijzonder moeilijk te classificeren monsters een diagnose stellen die klinisch zinvoller was dan die oorspronkelijk door pathologen werd gesteld.
“Dit toont de potentiële rol van DEPLOY in de toekomst als een extra hulpmiddel, ter aanvulling van de initiële diagnose van de patholoog of zelfs tot herevaluatie in geval van discrepanties.”
Onderzoekers geloven dat DEPLOY uiteindelijk kan worden gebruikt om andere soorten kanker te classificeren.
De resultaten van het onderzoek zijn gepubliceerd in het tijdschrift Nature Medicine.