Τεχνολογία

Τεχνητή νοημοσύνη: Νέα μέθοδος παρέχει ακριβή διάγνωση των όγκων εγκεφάλου

Τεχνητή νοημοσύνη: Νέα μέθοδος παρέχει ακριβή διάγνωση των όγκων εγκεφάλου
Τεχνητή νοημοσύνη: Η ταξινόμηση των όγκων του εγκεφάλου - και επομένως η επιλογή των βέλτιστων επιλογών θεραπείας - μπορεί να γίνει πιο ακριβής μέσω της χρήσης τεχνητής νοημοσύνης σε συνδυασμό με φυσιολογική απεικόνιση. Αυτό είναι το αποτέλεσμα μιας εκτενούς μελέτης που δημοσιεύτηκε στο Cancers και διεξήχθη από το Πανεπιστήμιο Karl Landsteiner για Επιστήμες Υγείας (KL Krems).

Your browser does not support the video tag. https://grx-obj.adman.gr/grx/creatives/sanofi/20876/better-understanding-insulin.mp4

Οι όγκοι του εγκεφάλου μπορούν να ανιχνευθούν εύκολα με μαγνητική τομογραφία (MRI), αλλά η ακριβής ταξινόμησή τους είναι δύσκολη. Ωστόσο, αυτό ακριβώς είναι που είναι κρίσιμο για την επιλογή των καλύτερων δυνατών θεραπευτικών επιλογών. Μια διεθνής ομάδα με επικεφαλής τον KL Krems χρησιμοποίησε δεδομένα από σύγχρονες μεθόδους μαγνητικής τομογραφίας ως βάση για τα πρωτόκολλα μηχανικής μάθησης (ML) και αξιολόγησε τη χρήση τεχνητής νοημοσύνης για την ταξινόμηση των όγκων. Διαπίστωσαν ότι σε ορισμένους τομείς, η ταξινόμηση με χρήση τεχνητής νοημοσύνης μπορεί να είναι ανώτερη από αυτή που γίνεται από εκπαιδευμένους επαγγελματίες.


Ειδικότερα, η ομάδα με επικεφαλής τον καθηγητή Andreas Stadlbauer, επιστήμονα στο Κεντρικό Ινστιτούτο Ιατρικής Ακτινολογικής Διαγνωστικής στο Πανεπιστημιακό Νοσοκομείο St. Pölten, χρησιμοποίησε τόσο προηγμένα όσο και φυσιολογικά δεδομένα MRI για τη μελέτη. Και οι δύο μέθοδοι παρέχουν βελτιωμένη εικόνα για τη δομή και το μεταβολισμό ενός όγκου και επιτρέπουν καλύτερη ταξινόμηση για κάποιο χρονικό διάστημα. Αλλά το τίμημα για μια διαφοροποιημένη εικόνα είναι τεράστιες ποσότητες δεδομένων που πρέπει να αξιολογηθούν με εμπειρογνωμοσύνη. «Έχουμε αναλύσει τώρα εάν και πώς η τεχνητή νοημοσύνη που χρησιμοποιεί ML μπορεί να ενεργοποιηθεί για να υποστηρίξει εκπαιδευμένους επαγγελματίες στο έργο [της διάγνωσης]», εξηγεί ο καθηγητής Stadlbauer. “Και τα αποτελέσματα είναι πολλά υποσχόμενα. Όσον αφορά την ακρίβεια και την αποφυγή εσφαλμένης ταξινόμησης, η τεχνητή νοημοσύνη μπορεί να ταξινομήσει καλά τους όγκους του εγκεφάλου χρησιμοποιώντας δεδομένα MRI.”

Για να επιτύχει το εντυπωσιακό αποτέλεσμα, η ομάδα εκπαίδευσε εννέα γνωστούς αλγόριθμους Multiclass ML με δεδομένα MRI από 167 ασθενείς που είχαν έναν από τους πέντε πιο κοινούς όγκους του εγκεφάλου και είχαν ακριβή ταξινόμηση χρησιμοποιώντας ιστολογία. Συνολικά δημιουργήθηκαν 135 λεγόμενοι ταξινομητές σε ένα σύνθετο πρωτόκολλο. Πρόκειται για μαθηματικές συναρτήσεις που αναθέτουν το προς εξέταση υλικό σε συγκεκριμένες κατηγορίες. «Σε αντίθεση με προηγούμενες μελέτες, λάβαμε επίσης υπόψη δεδομένα από φυσιολογικές μαγνητικές τομογραφίες», εξηγεί ο καθηγητής Stadlbauer. «Αυτό περιλάμβανε λεπτομέρειες σχετικά με την αγγειακή αρχιτεκτονική των όγκων και το σχηματισμό νέων αγγείων, καθώς και την παροχή οξυγόνου στον ιστό του όγκου».