새 연구: AI 도구 DeepPT, mRNA 프로파일링으로 암 치료 효과 향상

소요 시간: 2 분
에 의해 Jamie Olivos
-
mRNA 프로필과 조직 샘플을 분석하는 AI 모델

Seoul호주의 국립대학(ANU) 연구진이 새로운 AI 도구 DeepPT를 개발하여 암 치료를 개선하고자 합니다. 이 도구는 단백질 생성과 개인 맞춤형 암 치료에 중요한 환자의 mRNA 프로필을 예측합니다. DeepPT는 미국 국립 암 연구소와 제약 회사 Pangea Biomed의 과학자들의 협력으로 개발되었습니다.

딥PT는 환자들이 암 치료에 어떻게 반응할지를 예측하는 데 있어 큰 발전을 보였습니다. 이 기술은 다른 도구인 ENLIGHT와 함께 사용되었으며, 다양한 종류의 암에 대한 치료 반응을 정확하게 예측했습니다. 호주의 국립대학교(ANU)의 Dr. Danh-Tai Hoang은 특히 공격적인 암에 있어서 올바른 치료 방법을 선택하는 것이 환자의 결과에 매우 중요하다고 강조했습니다.

DeepPT는 풍부한 데이터셋을 바탕으로 학습되었습니다:

  • 5,500명의 환자
  • 유방암, 폐암, 두경부암, 자궁경부암, 췌장암 등 16가지 주요 암 유형

DeepPT를 활용하여 연구자들은 환자 반응률이 33.3%에서 46.5%로 증가한 것을 관찰했습니다. 이 상승은 툴이 실제 임상 환경에서도 유용하다는 것을 보여주는 중요한 지표입니다. 이 AI 모델은 같은 팀의 이전 연구를 발전시켜 뇌종양을 분류하는 도구를 개발함으로써 다른 유형의 암에도 적용할 수 있는 신뢰할 수 있는 방법을 제공합니다.

DeepPT는 환자의 조직을 촬영한 고해상도 사진인 조직병리학 이미지를 활용하여 두드러집니다. 이러한 이미지는 쉽게 얻을 수 있고 저렴하며, 처리 속도 또한 빠릅니다. 이는 복잡한 분자 데이터를 얻는 데 걸리는 몇 주에 달하는 긴 대기 시간을 피하는 데 도움이 됩니다. 신속한 처리는 즉각적인 치료가 필요한 중증 종양 환자들에게 특히 중요합니다.

DeepPT와 ENLIGHT는 임상 데이터를 활용하여 예측을 수행합니다. 조직 병리학 이미지를 사용하는 것은 혁신적인 방법으로, 이러한 이미지는 이미 일상적인 의료 실무에서 사용되고 있어 현재의 워크플로에 쉽게 통합할 수 있습니다. 더 높은 치료 반응률은 AI가 개인화된 암 치료에 중요할 수 있음을 시사합니다.

Nature Cancer에 게재된 이 연구는 과학적으로 신뢰할 수 있음을 보여줍니다. 국립암연구소 및 Pangea Biomed와 같은 유명한 기관과의 협력이 연구의 신뢰성을 더욱 높여줍니다.

이 진전은 더 나은 암 치료법으로의 희망적인 발걸음입니다. 이는 다양한 분야의 협력과 첨단 컴퓨팅 기술이 의료에 실질적인 개선을 가져올 수 있음을 보여줍니다.

의료 분야에서 AI의 중요성이 커지고 있으며, DeepPT와 같은 도구가 그 변화를 주도하고 있습니다. 이러한 도구들은 맞춤형 의료를 더 쉽게 구현하고 효과적으로 만듭니다. 일반적인 임상 데이터를 활용하여 연구와 환자 치료를 연결함으로써 암 환자들에게 더 나은 결과를 제공할 수 있는 희망을 안겨줍니다.

이 도구가 앞으로 어떻게 발전할지, 그리고 다른 질병에도 활용될 수 있을지 지켜보는 것이 흥미로울 것입니다. 현재로서는 암과의 싸움에서 중요한 진전을 이루고 있습니다.

연구는 여기에서 발표되었습니다:

http://dx.doi.org/10.1038/s43018-024-00793-2

및 그 공식 인용 - 저자 및 저널 포함 - 다음과 같습니다

Danh-Tai Hoang, Gal Dinstag, Eldad D. Shulman, Leandro C. Hermida, Doreen S. Ben-Zvi, Efrat Elis, Katherine Caley, Stephen-John Sammut, Sanju Sinha, Neelam Sinha, Christopher H. Dampier, Chani Stossel, Tejas Patil, Arun Rajan, Wiem Lassoued, Julius Strauss, Shania Bailey, Clint Allen, Jason Redman, Tuvik Beker, Peng Jiang, Talia Golan, Scott Wilkinson, Adam G. Sowalsky, Sharon R. Pine, Carlos Caldas, James L. Gulley, Kenneth Aldape, Ranit Aharonov, Eric A. Stone, Eytan Ruppin. A deep-learning framework to predict cancer treatment response from histopathology images through imputed transcriptomics. Nature Cancer, 2024; DOI: 10.1038/s43018-024-00793-2
인공지능: 최신 뉴스
다음 읽기:

이 기사 공유

댓글 (0)

댓글 게시
NewsWorld

NewsWorld.app은 무료 프리미엄 뉴스 사이트입니다. 기사당 요금을 부과하지 않고 구독 모델도 없이 독립적이고 고품질의 뉴스를 제공합니다. NewsWorld는 일반, 비즈니스, 경제, 기술 및 엔터테인먼트 뉴스가 무료로 고수준으로 액세스 가능해야 한다고 믿습니다. 또한 NewsWorld은 매우 빠르며 고급 기술을 사용하여 뉴스 기사를 소비자에게 매우 읽기 쉽고 매력적인 형식으로 제공합니다.


© 2024 NewsWorld™. 모든 권리 보유.