Tekoäly valmiina parantamaan keuhkosyövän diagnooseja

A team of engineers from the University of Cologne’s Faculty of Medicine and University Hospital Cologne have introduced an AI model that can help detect lung cancer tissue in minutes. The new system combines the most extensive data set related to the disease available and has shown some promising results. Here’s everything you need to know about how AI is poised to enhance lung cancer diagnosis in the near future.

Keuhkosyöpä

Keuhkosyöpä vei arviolta 1,3 miljoonaa ihmishenkeä vuonna 2023. Tämä sairaus on yksi maailman tappavimmista ja yleisimmistä. Keuhkosyövän tyypeistä epäpieni solukkoisen keuhkosyöpä (NSCLC) muodostaa yli 80 % kaikista keuhkosyövistä. Tämä keuhkosyövän muoto aiheuttaa pahanlaatuisia kasvaimia keuhkokudokseen ajan myötä.

Keuhkosyöpäpotilaiden on käydyttävä intensiivisillä ja kuluttavilla hoidoilla, jotta kasvaimet poistetaan ennen kuin ne tuhoavat ympäröivän kudoksen. Vaikka diagnoosi ja alkushoito maksavat keskimäärin +68 000 $, kuolleisuus on edelleen korkea. Siksi diagnoosia pidetään vain ennaltaehkäisyn jälkeen.

Patologinen tutkimus

Patologiset tutkimukset ovat tapa, jolla onkologit havaitsevat keuhkosyöpäkudosta. Tämä prosessi edellyttää terveydenhuollon ammattilaisia keräämään hematoksiini- ja eosini (H&E) -värjättyjä kudosnäytteitä. Onkologit tarkastelevat näitä näytteitä määrittääkseen, onko kasvainsoluja läsnä. Lisäksi he käyttävät tietojasi ja genetiikkaasi räätälöidäkseen tehokkaan hoidon.

Digitaalinen transformaatio

Kudoksen keräämisen ensimmäiset vaiheet ovat pysyneet samankaltaisina onkologiassa vuosikymmeniä. Kuitenkin tapa ja välineet, joilla data käsitellään, ovat siirtyneet digitaaliseen muotoon. Digitaaliset patologiaplatformit poistoivat tarpeen, että tutkijat tarkastelevat soluja mikroskooppien läpi. Nyt he käyttävät tietokoneen näyttöjä.

Patologian digitalisointi toi merkittäviä etuja, mukaan lukien mahdollisuuden integroida ohjelmistoja löytöprosesseihin. Nykyään suurin osa asiantuntijoista käyttää jonkinlaista digitaalista keuhkokudosanalyysiä tilasi määrittämiseen. Tulevina vuosina tekoäly korvaa manuaalisesti toimivat ohjelmistojärjestelmät ensisijaisena tapana määrittää keuhkosyövän läsnäolo kudoksissa.

Uudet mahdollisuudet

Tekoälymallit voivat hyödyntää laajaa histologisten kuvien valikoimaa ja poimia lisätietoa, jota ihmisen tarkkailijat eivät pysty keräämään. Tästä syystä on voimakas pyrkimys luoda tehokkaampia ja saavutettavampia tekoälypohjaisia patologisia järjestelmiä.

Tekoälykeuhkosyöpä-tutkimus

Tutkimus “Next generation lung cancer pathology: development and validation of diagnostic and prognostic algorithms” julkaistu lehdessä Cell Reports Medicine paljastaa uusia tekoälyalgoritmeja ja laskennallisen patologian alustan, joka on suunniteltu erityisesti NSCLC-diagnoosia varten.

Tutkimus osoittaa yhdistelmän uusia tekoälyperusmalleja ja edustaa suurinta ja merkittävintä tähän mennessä käytettyä tietoaineistoa. Järjestelmä integroi yksityiskohtaisen moniluokkaisen kudosaineiston, joka sisältää koko-levykuvia tärkeillä tiedoilla, kuten keuhkoadenokarsinoma ja ruusukkosolukarsinoma. Merkittävää on, että tekoälymalli sisälsi yli 4 000 diaa 1 527 potilaalta ja se johdettiin kansainvälisestä keuhkosyöpätutkimusyhteisöstä.

Testi

Tutkimuksen testausvaiheessa verrattiin kudosnäytteiden tuloksia asiantuntija-patologien arvioihin laadun varmistamiseksi. Tiimi pyrki käyttämään vain selitettäviä, itsenäisiä ja kykeneviä prognostisia parametreja, jotka on johdettu H&E‑värjätyistä kudosnäytteistä, mikä helpotti tulosten vahvistamista.

Lähde – Cell Report Medicine