Forskere fra Stanford Medicine har utviklet en AI-modell som skal forbedre diagnostisering og behandling av glioblastom, en spesielt aggressiv form for hjernekreft.\u00a0<\/b><\/p>\n
Glioblastom byr p\u00e5 unike utfordringer for helsepersonell p\u00e5 grunn av den sv\u00e6rt varierende cellesammensetningen fra pasient til pasient.<\/span><\/p>\n Olivier Gevaert, f\u00f8rsteamanuensis i biomedisinsk informatikk og datavitenskap, fremhevet kompleksiteten i behandlingen av glioblastom, og sa: \"P\u00e5 grunn av denne sykdommens heterogenitet har ikke forskerne funnet gode m\u00e5ter \u00e5 takle den p\u00e5.\"<\/span><\/p>\n Den <\/span>AI-modell<\/span><\/a> M\u00e5let er \u00e5 redusere dette problemet ved \u00e5 analysere fargede bilder av glioblastomvev for \u00e5 vurdere dens egenskaper, inkludert svulstens aggressivitet og genetiske sammensetning.<\/span><\/p>\n Yuanning Zheng, fra Gevaerts laboratorium, <\/span>beskrevet<\/span><\/a> AI-systemet som \"et slags beslutningsst\u00f8ttesystem for legene\".\u00a0<\/span><\/p>\n Modellen kan hjelpe klinikere med \u00e5 identifisere pasienter med cellul\u00e6re egenskaper som tyder p\u00e5 mer aggressive svulster, slik at de raskt kan f\u00f8lges opp. Den k<\/span>gir et mer detaljert kart over svulsten, avsl\u00f8rer celle-til-celle-interaksjoner og hvordan disse korrelerer med pasientutfall.<\/span><\/p>\n Gevaert utdyper: \"Modellen viste hvilke celler som liker \u00e5 v\u00e6re sammen, hvilke celler som ikke \u00f8nsker \u00e5 kommunisere, og hvordan dette korrelerer med pasientutfallene.\"\u00a0<\/span><\/p>\n Modellen viste for eksempel at opphopningen av bestemte celler, s\u00e5kalte astrocytter, tydet p\u00e5 en mer aggressiv form for kreft. Denne innsikten kan potensielt bidra til \u00e5 utforme mer effektive behandlinger for glioblastom.<\/span><\/p>\n Zheng h\u00e5per at modellen ogs\u00e5 kan fungere som et verkt\u00f8y for postoperativ vurdering. Modellen viste at tumorceller som viste tegn p\u00e5 oksygenmangel, ofte korrelerte med d\u00e5rligere kreftutfall.\u00a0<\/span><\/p>\n \"Ved \u00e5 belyse de oksygenfattige cellene i histologisk fargede operasjonspr\u00f8ver kan modellen hjelpe kirurgene med \u00e5 forst\u00e5 hvor mange kreftceller som kan v\u00e6re igjen i hjernen, og hvor raskt de b\u00f8r gjenoppta behandlingen etter operasjonen\", sier Zheng.<\/span><\/p>\n Modellen er fortsatt i forskningsfasen, men den har potensial til \u00e5 kunne brukes p\u00e5 andre kreftformer, for eksempel bryst- eller lungekreft.<\/span><\/p>\n \"Jeg tror at disse multimodale dataintegrasjonene kan bidra til \u00e5 forbedre persontilpasset medisin i fremtiden\", konkluderer Zheng.<\/span><\/p>\n For \u00f8yeblikket er en proof-of-concept-versjon av modellen deres, kalt GBM360, tilgjengelig for forskere som \u00f8nsker \u00e5 teste og laste opp diagnostiske bilder for \u00e5 forutsi utfallet for glioblastompasienter. <\/span><\/p>\n Zheng skynder seg imidlertid \u00e5 legge til at modellen fortsatt er i forskningsfasen og ikke brukes i reelle kliniske settinger.\u00a0<\/span><\/p>\n Studien bruker kunstig intelligens til \u00e5 tolke glioblastomsubtyper fra eksisterende pasientdata, noe som hjelper klinikere med \u00e5 bestemme sykdomsprognose og -utvikling for ulike pasienter.\u00a0<\/span><\/p>\n Slik fungerer det:<\/p>\n AI akselererer datadrevne tiln\u00e6rminger til helsetjenester, og st\u00f8tter MR-skanning,<\/a> diagnostikk av \u00f8yesykdommer<\/a>og sofistikert grensesnitt mellom hjerne og datamaskin<\/a>for bare \u00e5 nevne noen f\u00e5 av de utallige bruksomr\u00e5dene.<\/p>","protected":false},"excerpt":{"rendered":" Forskere fra Stanford Medicine har utviklet en AI-modell som skal forbedre diagnostisering og behandling av glioblastom, en spesielt aggressiv form for hjernekreft. Glioblastom byr p\u00e5 unike utfordringer for medisinske fagfolk p\u00e5 grunn av den sv\u00e6rt varierende cellesammensetningen fra pasient til pasient. Olivier Gevaert, f\u00f8rsteamanuensis i biomedisinsk informatikk og datavitenskap, fremhevet kompleksiteten i behandlingen av glioblastom og sa: \"P\u00e5 grunn av sykdommens heterogenitet har ikke forskerne funnet gode m\u00e5ter \u00e5 h\u00e5ndtere den p\u00e5.\" AI-modellen tar sikte p\u00e5 \u00e5 redusere dette problemet ved \u00e5 analysere fargede bilder av glioblastomvev for \u00e5 vurdere dens egenskaper, inkludert svulstens aggressivitet og genetiske<\/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":"\nMer om studien<\/span><\/h2>\n
\n