Forskare fr\u00e5n Stanford Medicine har utvecklat en AI-modell som ska f\u00f6rb\u00e4ttra diagnos och behandling av glioblastom, en s\u00e4rskilt aggressiv form av hj\u00e4rncancer.\u00a0<\/b><\/p>\n
Glioblastom inneb\u00e4r unika utmaningar f\u00f6r sjukv\u00e5rdspersonalen p\u00e5 grund av dess mycket varierande cellupps\u00e4ttning fr\u00e5n patient till patient.<\/span><\/p>\n Olivier Gevaert, docent i biomedicinsk informatik och datavetenskap, belyste komplexiteten i behandlingen av glioblastom och sa: \"P\u00e5 grund av sjukdomens heterogenitet har forskarna inte hittat n\u00e5gra bra s\u00e4tt att hantera den.\"<\/span><\/p>\n Den <\/span>AI-modell<\/span><\/a> syftar till att mildra detta problem genom att analysera f\u00e4rgade bilder av glioblastomv\u00e4vnad f\u00f6r att bed\u00f6ma dess egenskaper, inklusive tum\u00f6rens aggressivitet och genetiska sammans\u00e4ttning.<\/span><\/p>\n Yuanning Zheng, fr\u00e5n Gevaerts labb, <\/span>beskrivs<\/span><\/a> AI-systemet som \"ett slags beslutsst\u00f6dsystem f\u00f6r l\u00e4karna\".\u00a0<\/span><\/p>\n Modellen skulle kunna hj\u00e4lpa l\u00e4kare att identifiera patienter med cellul\u00e4ra egenskaper som tyder p\u00e5 mer aggressiva tum\u00f6rer, och p\u00e5 s\u00e5 s\u00e4tt uppm\u00e4rksamma dem f\u00f6r snabb uppf\u00f6ljning. Den<\/span>ger en mer detaljerad karta \u00f6ver tum\u00f6ren, vilket avsl\u00f6jar cell-till-cell-interaktioner och hur dessa korrelerar med patientutfall.<\/span><\/p>\n \"Modellen visade vilka celler som gillar att vara tillsammans, vilka celler som inte vill kommunicera och hur detta korrelerar med patientresultaten\", s\u00e4ger Gevaert.\u00a0<\/span><\/p>\n Modellen visade till exempel att kluster av specifika celler, s\u00e5 kallade astrocyter, indikerade en mer aggressiv form av cancer. Dessa insikter kan potentiellt bidra till att utforma mer effektiva behandlingar f\u00f6r glioblastom.<\/span><\/p>\n Zheng hoppas att modellen \u00e4ven ska kunna anv\u00e4ndas som ett verktyg f\u00f6r postoperativ bed\u00f6mning. Modellen visade att tum\u00f6rceller som uppvisade tecken p\u00e5 syrebrist ofta korrelerade med s\u00e4mre cancerresultat.\u00a0<\/span><\/p>\n \"Genom att belysa de syrefattiga cellerna i histologiskt f\u00e4rgade operationsprover kan modellen hj\u00e4lpa kirurgerna att f\u00f6rst\u00e5 hur m\u00e5nga cancerceller som kan finnas kvar i hj\u00e4rnan och hur snart de ska \u00e5teruppta behandlingen efter operationen\", s\u00e4ger Zheng.<\/span><\/p>\n Modellen befinner sig fortfarande i forskningsfasen, men har potential att till\u00e4mpas p\u00e5 andra cancerformer, t.ex. br\u00f6st- eller lungcancer.<\/span><\/p>\n Zheng avslutade: \"Jag tror att dessa multimodala dataintegrationer kan forma f\u00f6rb\u00e4ttringen av individanpassad medicin i framtiden.\"<\/span><\/p>\n F\u00f6r n\u00e4rvarande finns en proof-of-concept-version av deras modell, kallad GBM360, tillg\u00e4nglig f\u00f6r forskare som kan testa och ladda upp diagnostiska bilder f\u00f6r att f\u00f6ruts\u00e4ga glioblastompatienters utfall. <\/span><\/p>\n Zheng skyndade sig dock att till\u00e4gga att modellen fortfarande befinner sig i forskningsfasen och inte anv\u00e4nds i verkliga kliniska milj\u00f6er.\u00a0<\/span><\/p>\n I studien anv\u00e4nds AI f\u00f6r att tolka glioblastomsubtyper fr\u00e5n befintliga patientdata, vilket hj\u00e4lper l\u00e4kare att fastst\u00e4lla sjukdomsprognos och utveckling f\u00f6r olika patienter.\u00a0<\/span><\/p>\n S\u00e5 h\u00e4r fungerar det:<\/p>\n AI p\u00e5skyndar i h\u00f6g grad datadrivna metoder inom h\u00e4lso- och sjukv\u00e5rden och st\u00f6der Magnetkameraunders\u00f6kning,<\/a> diagnostik av \u00f6gonsjukdomar<\/a>, och sofistikerade gr\u00e4nssnitt mellan hj\u00e4rna och dator<\/a>f\u00f6r att bara n\u00e4mna n\u00e5gra av dess otaliga anv\u00e4ndningsomr\u00e5den.<\/p>","protected":false},"excerpt":{"rendered":" Forskare fr\u00e5n Stanford Medicine har utvecklat en AI-modell som ska f\u00f6rb\u00e4ttra diagnos och behandling av glioblastom, en s\u00e4rskilt aggressiv form av hj\u00e4rncancer. Glioblastom inneb\u00e4r unika utmaningar f\u00f6r l\u00e4kare p\u00e5 grund av dess mycket varierande cellul\u00e4ra sammans\u00e4ttning fr\u00e5n patient till patient. Olivier Gevaert, docent i biomedicinsk informatik och datavetenskap, belyste komplexiteten i behandlingen av glioblastom och konstaterade: \"P\u00e5 grund av sjukdomens heterogenitet har forskarna inte hittat n\u00e5gra bra s\u00e4tt att hantera den.\" AI-modellen syftar till att mildra detta problem genom att analysera f\u00e4rgade bilder av glioblastomv\u00e4vnad f\u00f6r att bed\u00f6ma dess egenskaper, inklusive tum\u00f6rens aggressivitet och genetiska<\/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