Για τους ασθενείς που διαγνώστηκαν με γλοίωμα, μια θανατηφόρα μορφή όγκου του εγκεφάλου, το μέλλον μπορεί να είναι πολύ αβέβαιο. Ενώ τα γλοιώματα είναι συχνά θανατηφόρα εντός δύο ετών από τη διάγνωση, ορισμένοι ασθενείς μπορούν να επιβιώσουν για 10 ή περισσότερα χρόνια. Η πρόβλεψη της πορείας της νόσου του ασθενούς στη διάγνωση είναι κρίσιμη για την επιλογή της σωστής θεραπείας και για την παροχή βοήθειας στους ασθενείς και τις οικογένειές τους για να προγραμματίσουν τη ζωή τους.
Οι ερευνητές των Emory και Northwestern Universities ανέπτυξαν πρόσφατα λογισμικό τεχνητής νοημοσύνης (AI) που μπορεί να προβλέψει την επιβίωση των ασθενών που έχουν διαγνωστεί με γλοίωμα εξετάζοντας δεδομένα από βιοψίες ιστών. Η προσέγγιση που περιγράφεται στα Πρακτικά της Εθνικής Ακαδημίας Επιστημών είναι πιο ακριβής από τις προβλέψεις των γιατρών που υποβάλλονται σε χρόνια εξειδικευμένης κατάρτισης για τον ίδιο σκοπό.
Οι γιατροί χρησιμοποιούν σήμερα ένα συνδυασμό γονιδιακών εξετάσεων και μικροσκοπικής εξέτασης ιστών για να προβλέψουν πώς η ασθένεια ενός ασθενούς θα συμπεριφέρεται κλινικά ή θα ανταποκρίνεται στη θεραπεία. Ενώ οι γονιδιωματικές δοκιμές είναι αξιόπιστες, αυτές οι δοκιμές δεν εξηγούν πλήρως τα αποτελέσματα των ασθενών και έτσι η μικροσκοπική εξέταση χρησιμοποιείται για την περαιτέρω βελτίωση της πρόγνωσης. Η μικροσκοπική εξέταση, ωστόσο, είναι πολύ υποκειμενική, με διαφορετικούς παθολόγους που συχνά παρέχουν διαφορετικές ερμηνείες της ίδιας περίπτωσης. Αυτές οι ερμηνείες μπορούν να επηρεάσουν κρίσιμες αποφάσεις όπως εάν ένας ασθενής εγγράφεται σε μια πειραματική κλινική δοκιμή ή λαμβάνει θεραπεία ακτινοβολίας ως μέρος της θεραπείας τους.
“Οι γονιδιωματικές μέθοδοι έχουν βελτιώσει σημαντικά τον τρόπο διάγνωσης και αντιμετώπισης των γλοιωμάτων, αλλά η μικροσκοπική εξέταση παραμένει υποκειμενική. Υπάρχουν μεγάλες ευκαιρίες για πιο συστηματική και κλινικά σημαντική εξαγωγή δεδομένων με υπολογιστικές προσεγγίσεις”, λέει ο Daniel J. Brat, MD, PhD, επικεφαλής νευροπαθολόγος μελέτη, που άρχισε να αναπτύσσει το λογισμικό, ενώ στο Πανεπιστήμιο Emory και στο Ινστιτούτο Καρκίνου Winship. Ο Brat είναι σήμερα πρόεδρος της παθολογίας στη σχολή ιατρικής της Northwestern University Feinberg.
Οι ερευνητές χρησιμοποίησαν μια προσέγγιση που ονομάζεται βαθιά εκμάθηση για την κατάρτιση του λογισμικού για να μάθουν τα οπτικά πρότυπα που σχετίζονται με την επιβίωση των ασθενών χρησιμοποιώντας μικροσκοπικές εικόνες των δειγμάτων ιστών όγκου του εγκεφάλου.
Η ανακάλυψη οφείλεται στον συνδυασμό αυτής της προηγμένης τεχνολογίας με πιο συμβατικές μεθόδους που χρησιμοποιούν οι στατιστικολόγοι για την ανάλυση των αποτελεσμάτων των ασθενών . Όταν το λογισμικό εκπαιδεύτηκε χρησιμοποιώντας εικόνες και γονιδιωματικά δεδομένα, οι προβλέψεις του για το πόσο οι ασθενείς επιβιώνουν πέρα από τη διάγνωση ήταν ακριβέστερες από εκείνες των ανθρώπινων παθολόγων. Η μελέτη χρησιμοποίησε δημόσια δεδομένα που παρήχθησαν από το Εθνικό Ινστιτούτο Καρκίνου του Cancer Genome Atlas για την ανάπτυξη και την αξιολόγηση του αλγορίθμου.
Ακολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube
