Όλα τα περιεχόμενα του iLive ελέγχονται ιατρικά ή ελέγχονται για να διασφαλιστεί η όσο το δυνατόν ακριβέστερη ακρίβεια.
Έχουμε αυστηρές κατευθυντήριες γραμμές προμήθειας και συνδέουμε μόνο με αξιόπιστους δικτυακούς τόπους πολυμέσων, ακαδημαϊκά ερευνητικά ιδρύματα και, όπου είναι δυνατόν, ιατρικά επισκοπικά μελέτες. Σημειώστε ότι οι αριθμοί στις παρενθέσεις ([1], [2], κλπ.) Είναι σύνδεσμοι με τις οποίες μπορείτε να κάνετε κλικ σε αυτές τις μελέτες.
Εάν πιστεύετε ότι κάποιο από το περιεχόμενό μας είναι ανακριβές, παρωχημένο ή αμφισβητήσιμο, παρακαλώ επιλέξτε το και πατήστε Ctrl + Enter.
Οι επιστήμονες ανέπτυξαν τεχνητή νοημοσύνη για την ταξινόμηση των όγκων του εγκεφάλου
Τελευταία επισκόπηση: 02.07.2025
Ένα νέο εργαλείο τεχνητής νοημοσύνης για την ταχύτερη και ακριβέστερη ταξινόμηση των όγκων του εγκεφάλου έχει αναπτυχθεί από ερευνητές του Εθνικού Πανεπιστημίου της Αυστραλίας (ANU).
Σύμφωνα με τον Δρ. Dan-Thai Hoang, η ακρίβεια στη διάγνωση και την ταξινόμηση των όγκων είναι κρίσιμη για την αποτελεσματική θεραπεία των ασθενών.
«Το τρέχον χρυσό πρότυπο για την αναγνώριση διαφορετικών τύπων όγκων του εγκεφάλου είναι η ανάλυση προφίλ με βάση τη μεθυλίωση του DNA», δήλωσε ο Δρ. Χόανγκ.
«Η μεθυλίωση του DNA λειτουργεί ως διακόπτης για τον έλεγχο της γονιδιακής δραστηριότητας και τον προσδιορισμό των γονιδίων που ενεργοποιούνται ή απενεργοποιούνται.»
«Ωστόσο, ο χρόνος που απαιτείται για τη διεξαγωγή αυτού του είδους των εξετάσεων μπορεί να αποτελέσει σημαντικό μειονέκτημα, απαιτώντας συχνά αρκετές εβδομάδες ή και περισσότερο, όταν οι ασθενείς μπορεί να χρειαστεί να λάβουν γρήγορες αποφάσεις σχετικά με τη θεραπεία».
Επισκόπηση συνόλων δεδομένων και υπολογιστικής ροής εργασίας. Πηγή: Nature Medicine (2024). DOI: 10.1038/s41591-024-02995-8
«Επιπλέον, τέτοιες εξετάσεις δεν είναι διαθέσιμες σε σχεδόν όλα τα νοσοκομεία στον κόσμο».
Για την αντιμετώπιση αυτών των ζητημάτων, ερευνητές από το ANU, σε συνεργασία με ειδικούς από το Εθνικό Ινστιτούτο Καρκίνου των ΗΠΑ, ανέπτυξαν το DEPLOY - έναν τρόπο πρόβλεψης της μεθυλίωσης του DNA και στη συνέχεια ταξινόμησης των όγκων του εγκεφάλου σε 10 κύριους υποτύπους.
Το DEPLOY χρησιμοποιεί μικροσκοπικές εικόνες ιστού ενός ασθενούς, που ονομάζονται ιστοπαθολογικές εικόνες.
Το μοντέλο εκπαιδεύτηκε και δοκιμάστηκε σε μεγάλα σύνολα δεδομένων περίπου 4.000 ασθενών από τις ΗΠΑ και την Ευρώπη, τα οποία δημοσιεύθηκαν στο περιοδικό Nature Medicine.
«Παραδόξως, το DEPLOY πέτυχε μια πρωτοφανή ακρίβεια 95%», δήλωσε ο Δρ. Hoang.
«Επιπλέον, κατά την ανάλυση ενός υποσυνόλου 309 ιδιαίτερα δύσκολων στην ταξινόμηση δειγμάτων, το DEPLOY μπόρεσε να παράσχει μια διάγνωση που ήταν κλινικά πιο σημαντική από αυτήν που παρείχαν αρχικά οι παθολόγοι».
«Αυτό υπογραμμίζει τον πιθανό ρόλο του DEPLOY στο μέλλον ως πρόσθετο εργαλείο για τη συμπλήρωση της αρχικής διάγνωσης του παθολόγου ή ακόμη και για την προτροπή για επαναξιολόγηση σε περίπτωση αποκλίσεων».
Οι ερευνητές πιστεύουν ότι το DEPLOY θα μπορούσε τελικά να χρησιμοποιηθεί για την ταξινόμηση άλλων τύπων καρκίνου.
Τα αποτελέσματα της μελέτης δημοσιεύθηκαν στο περιοδικό Nature Medicine.