Ученые из Стэнфорда разработали модель искусственного интеллекта для прогнозирования исхода глиобластомы

28 августа 2023 года

ИИ-мозг

Исследователи из Стэнфордского медицинского института разработали модель искусственного интеллекта, призванную улучшить диагностику и лечение глиобластомы - особо агрессивной формы рака мозга. 

Глиобластома представляет собой уникальную проблему для медиков из-за высокой вариабельности клеточного состава у разных пациентов.

Оливье Геваерт, доцент кафедры биомедицинской информатики и науки о данных, подчеркнул сложность лечения глиобластомы, заявив: "Из-за гетерогенности этого заболевания ученые не нашли хороших способов борьбы с ним".

Сайт Модель искусственного интеллекта Цель проекта - решить эту проблему путем анализа окрашенных изображений ткани глиобластомы для оценки ее характеристик, включая агрессивность и генетический состав опухоли.

Юаньнин Чжэн, из лаборатории Геваэрта, описано Система искусственного интеллекта - это "своего рода система поддержки принятия решений для врачей". 

Модель может помочь врачам выявлять пациентов с клеточными характеристиками, указывающими на более агрессивные опухоли, и направлять их на оперативное наблюдение. Онапозволяет получить более подробную карту опухоли, выявить межклеточные взаимодействия и их взаимосвязь с исходом заболевания.

Геваерт уточнил: "Модель показала, какие клетки любят быть вместе, какие не хотят общаться, и как это коррелирует с результатами лечения пациентов". 

Например, модель показала, что скопление определенных клеток, известных как астроциты, указывает на более агрессивную форму рака. Эти данные могут помочь в разработке более эффективных методов лечения глиобластомы.

Чжэн надеется, что модель также может служить инструментом для оценки состояния после операции. Модель показала, что опухолевые клетки, демонстрирующие признаки кислородного голодания, часто коррелируют с худшими результатами лечения рака. 

"Освещая клетки с недостатком кислорода в гистологических образцах, полученных в ходе операции, модель может помочь хирургам понять, сколько раковых клеток может остаться в мозге и как скоро следует возобновить лечение после операции", - заявил Чжэн.

Пока модель находится на стадии исследования, она может быть применена и к другим видам рака, например, к раку груди или легких.

В заключение Чжэн сказал: "Я думаю, что эти мультимодальные интеграции данных могут повлиять на совершенствование персонализированной медицины в будущем".

В настоящее время для исследователей доступна пробная версия модели под названием GBM360, которая позволяет тестировать и загружать диагностические изображения для прогнозирования исхода заболевания глиобластомой.

Однако Чжэн поспешил добавить, что модель все еще находится на стадии исследования и не используется в реальных клинических условиях. 

Подробнее об исследовании

В исследовании используется искусственный интеллект для интерпретации подтипов глиобластомы на основе имеющихся данных о пациентах, что помогает врачам определять прогноз заболевания и его развитие у разных пациентов. 

Вот как это работает:

  1. Интеграция данных: Исследователи начали с интеграции различных форм данных, включая секвенирование одноклеточной РНК и пространственную транскриптомику, наряду с клиническими результатами пациентов с глиобластомой. Это позволило получить надежный набор данных для разработки моделей машинного обучения (ML).
  2. Разработка модели: Команда разработала GBM-CNN, специализированную модель глубокого обучения, предназначенную для интерпретации гистологических изображений. Эта модель была обучена предсказывать различные транскрипционные подтипы клеток глиобластомы, используя интегрированные данные для проверки.
  3. Крупномасштабный анализ: После обучения GBM-CNN была использована для анализа более 40 миллионов пятен ткани от 410 пациентов, что позволило создать клеточные карты высокого разрешения. Анализ показал наличие от трех до пяти злокачественных подтипов в каждой опухоли.
  4. Корреляция с клиническими данными: Затем клеточные карты были интегрированы с клиническими данными пациентов. Было обнаружено, что определенный клеточный состав связан с ухудшением состояния пациентов.
  5. Валидация и тестирование: Для подтверждения полученных результатов была разработана дополнительная модель, позволяющая предсказывать прогноз пациента на основе других диагностических изображений. Эта модель подтвердила первоначальные результаты, показав связь между клеточной архитектурой и выживаемостью пациентов.

ИИ значительно ускоряет применение подходов к здравоохранению, основанных на данных, поддерживая МРТ-сканирование, диагностика глазных заболеваний, и сложные интерфейсы мозг-компьютерЭто лишь некоторые из множества вариантов его применения.

Присоединяйтесь к будущему


ПОДПИСАТЬСЯ СЕГОДНЯ

Четко, лаконично, всесторонне. Получите представление о развитии искусственного интеллекта с помощью DailyAI

Сэм Джинс

Сэм - писатель в области науки и техники, работавший в различных AI-стартапах. Когда он не пишет, его можно найти за чтением медицинских журналов или копанием в коробках с виниловыми пластинками.

×

ЭКСКЛЮЗИВНЫЙ БЕСПЛАТНЫЙ PDF
Будьте впереди с DailyAI

Подпишитесь на нашу еженедельную рассылку и получите эксклюзивный доступ к последней электронной книге DailyAI: "Освоение инструментов искусственного интеллекта: Ваше руководство по повышению производительности в 2024 году".

* Подписываясь на нашу рассылку, вы принимаете наши Политика конфиденциальности и наш Условия и положения