Forskere fra Stanford Medicine har udviklet en AI-model, der er designet til at forbedre diagnosticeringen og behandlingen af glioblastom, en s\u00e6rlig aggressiv form for hjernekr\u00e6ft.\u00a0<\/b><\/p>\n
Glioblastom giver unikke udfordringer for l\u00e6gerne p\u00e5 grund af den meget varierende cellul\u00e6re sammens\u00e6tning fra patient til patient.<\/span><\/p>\n Olivier Gevaert, lektor i biomedicinsk informatik og datavidenskab, fremh\u00e6vede kompleksiteten i behandlingen af glioblastom og sagde: \"P\u00e5 grund af denne sygdoms heterogenitet har forskerne ikke fundet gode m\u00e5der at tackle den p\u00e5.\"<\/span><\/p>\n Den <\/span>AI-model<\/span><\/a> sigter mod at afhj\u00e6lpe dette problem ved at analysere farvede billeder af glioblastomv\u00e6v for at vurdere dets egenskaber, herunder tumorens aggressivitet og genetiske sammens\u00e6tning.<\/span><\/p>\n Yuanning Zheng, fra Gevaerts laboratorium, <\/span>beskrevet<\/span><\/a> AI-systemet som \"en slags beslutningsst\u00f8ttesystem for l\u00e6gerne\".\u00a0<\/span><\/p>\n Modellen kan hj\u00e6lpe klinikere med at identificere patienter med cellul\u00e6re karakteristika, der tyder p\u00e5 mere aggressive tumorer, og markere dem til hurtig opf\u00f8lgning. Det k<\/span>reates et mere detaljeret kort over tumoren, der afsl\u00f8rer celle-til-celle-interaktioner, og hvordan disse korrelerer med patientresultater.<\/span><\/p>\n Gevaert uddyber: \"Modellen viste, hvilke celler der kan lide at v\u00e6re sammen, hvilke celler der ikke \u00f8nsker at kommunikere, og hvordan det h\u00e6nger sammen med patientresultaterne.\"\u00a0<\/span><\/p>\n For eksempel fandt modellen, at klyngen af specifikke celler, kendt som astrocytter, indikerede en mere aggressiv form for kr\u00e6ft. Denne indsigt kan potentielt hj\u00e6lpe med at designe mere effektive behandlinger af glioblastom.<\/span><\/p>\n Zheng h\u00e5ber, at modellen ogs\u00e5 kan tjene som et postoperativt vurderingsv\u00e6rkt\u00f8j. Modellen viste, at tumorceller, der viste tegn p\u00e5 iltmangel, ofte korrelerede med d\u00e5rligere kr\u00e6ftresultater.\u00a0<\/span><\/p>\n \"Ved at belyse de iltfattige celler i histologisk farvede operationspr\u00f8ver kan modellen hj\u00e6lpe kirurgerne med at forst\u00e5, hvor mange kr\u00e6ftceller der kan v\u00e6re tilbage i hjernen, og hvor hurtigt de skal genoptage behandlingen efter operationen,\" siger Zheng.<\/span><\/p>\n Modellen er stadig i forskningsfasen, men den har potentiale til at blive anvendt p\u00e5 andre kr\u00e6ftformer, f.eks. bryst- eller lungekr\u00e6ft.<\/span><\/p>\n Zheng konkluderede: \"Jeg tror, at disse multimodale dataintegrationer kan forme forbedringen af personlig medicin i fremtiden.\"<\/span><\/p>\n I \u00f8jeblikket er en proof-of-concept-version af deres model, kaldet GBM360, tilg\u00e6ngelig for forskere, der kan teste og uploade diagnostiske billeder for at forudsige glioblastompatienters resultater. <\/span><\/p>\n Zheng skyndte sig dog at tilf\u00f8je, at modellen stadig er i forskningsfasen og ikke bruges i virkelige kliniske omgivelser.\u00a0<\/span><\/p>\n Unders\u00f8gelsen bruger AI til at fortolke glioblastom-undertyper ud fra eksisterende patientdata, hvilket hj\u00e6lper klinikere med at bestemme sygdomsprognose og -udvikling for forskellige patienter.\u00a0<\/span><\/p>\n S\u00e5dan her fungerer det:<\/p>\n AI fremskynder i h\u00f8j grad datadrevne tilgange til sundhedspleje og underst\u00f8tter MRI-scanning,<\/a> Diagnostik af \u00f8jensygdomme<\/a>og sofistikeret hjerne-computer-gr\u00e6nseflader<\/a>for blot at n\u00e6vne nogle f\u00e5 af dens utallige anvendelsesmuligheder.<\/p>","protected":false},"excerpt":{"rendered":" Forskere fra Stanford Medicine har udviklet en AI-model, der er designet til at forbedre diagnosticeringen og behandlingen af glioblastom, en s\u00e6rlig aggressiv form for hjernekr\u00e6ft. Glioblastom giver unikke udfordringer for l\u00e6ger p\u00e5 grund af den meget varierende cellul\u00e6re sammens\u00e6tning fra patient til patient. Olivier Gevaert, lektor i biomedicinsk informatik og datavidenskab, fremh\u00e6vede kompleksiteten i behandlingen af glioblastom og sagde: \"P\u00e5 grund af denne sygdoms heterogenitet har forskerne ikke fundet gode m\u00e5der at tackle den p\u00e5.\" AI-modellen har til form\u00e5l at afhj\u00e6lpe dette problem ved at analysere farvede billeder af glioblastomv\u00e6v for at vurdere dets karakteristika, herunder tumorens aggressivitet og genetik.<\/p>","protected":false},"author":2,"featured_media":4780,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[84],"tags":[203,274,204,105,101],"class_list":["post-4779","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-industry","tag-biotech","tag-cancer","tag-healthcare","tag-machine-learning","tag-medtech"],"yoast_head":"\nMere om unders\u00f8gelsen<\/span><\/h2>\n
\n