Весь контент iLive перевіряється медичними експертами, щоб забезпечити максимально можливу точність і відповідність фактам.
У нас є строгі правила щодо вибору джерел інформації та ми посилаємося тільки на авторитетні сайти, академічні дослідницькі інститути і, по можливості, доведені медичні дослідження. Зверніть увагу, що цифри в дужках ([1], [2] і т. д.) є інтерактивними посиланнями на такі дослідження.
Якщо ви вважаєте, що який-небудь з наших матеріалів є неточним, застарілим або іншим чином сумнівним, виберіть його і натисніть Ctrl + Enter.
Учені розробили штучний інтелект для класифікації пухлин мозку
Останній перегляд: 02.07.2025
">Дослідники з Австралійського національного університету (ANU) розробили новий інструмент штучного інтелекту для швидшої та точнішої класифікації пухлин головного мозку.
За словами доктора Дан-Тай Хоанга, точність діагностики та класифікації пухлин має вирішальне значення для ефективного лікування пацієнтів.
«Поточним золотим стандартом для виявлення різних типів пухлин головного мозку є профілювання на основі метилювання ДНК», — сказав доктор Хоанг.
«Метилювання ДНК діє як перемикач для контролю активності генів та визначення того, які гени ввімкнені або вимкнені».
«Але час, необхідний для проведення такого роду тестування, може бути суттєвим недоліком, часто потребуючи кількох тижнів або більше, коли пацієнтам може знадобитися швидко приймати рішення щодо терапії».
Огляд наборів даних та обчислювального робочого процесу. Джерело: Nature Medicine (2024). DOI: 10.1038/s41591-024-02995-8
«Крім того, такі тести доступні майже не в усіх лікарнях світу».
Щоб вирішити ці проблеми, дослідники з ANU у співпраці з експертами Національного інституту раку в США розробили DEPLOY – спосіб прогнозування метилювання ДНК, а потім класифікації пухлин головного мозку на 10 основних підтипів.
DEPLOY використовує мікроскопічні зображення тканин пацієнта, які називаються гістопатологічними зображеннями.
Модель була навчена та протестована на великих наборах даних приблизно 4000 пацієнтів зі США та Європи, результати опубліковані в журналі Nature Medicine.
«Дивовижно, але DEPLOY досяг безпрецедентної точності 95%», – сказав доктор Хоанг.
«Крім того, під час аналізу підмножини з 309 особливо складних для класифікації зразків, DEPLOY зміг поставити діагноз, який був більш клінічно значущим, ніж той, який спочатку поставили патологоанатоми».
«Це підкреслює потенційну роль DEPLOY у майбутньому як додаткового інструменту, що доповнює початковий діагноз патологоанатома або навіть спонукає до повторної оцінки у разі розбіжностей».
Дослідники вважають, що DEPLOY згодом можна буде використовувати для класифікації інших видів раку.
Результати дослідження були опубліковані в журналі Nature Medicine.