Nowe badanie: narzędzie AI DeepPT zwiększa skuteczność leczenia raka za pomocą profilowania mRNA.

Czas czytania: 2 minut
Przez Jamie Olivos
- w
Model AI badający profile mRNA oraz próbki tkanek.

WarsawNowe narzędzie AI o nazwie DeepPT zostało stworzone, aby poprawić leczenie raka. Opracowane przez naukowców z Australian National University (ANU), przewiduje profil mRNA pacjenta, co jest istotne dla produkcji białek i personalizacji leczenia onkologicznego. DeepPT powstało przy współpracy z naukowcami z National Cancer Institute w USA oraz firmą farmaceutyczną Pangea Biomed.

DeepPT wykazał znaczące postępy w przewidywaniu reakcji pacjentów na terapie nowotworowe. W połączeniu z narzędziem ENLIGHT, udało się precyzyjnie prognozować odpowiedzi na leczenie w różnych typach raka. Dr Danh-Tai Hoang z ANU podkreślił, że wybór odpowiedniego leczenia ma kluczowe znaczenie dla wyników pacjentów, zwłaszcza w przypadku agresywnych nowotworów.

DeepPT został przeszkolony na solidnym zbiorze danych obejmującym 5 500 pacjentów oraz 16 powszechnie występujących rodzajów nowotworów, w tym raka piersi, płuc, głowy i szyi, szyjki macicy oraz trzustki.

Korzystając z DeepPT, naukowcy zaobserwowali wzrost wskaźnika odpowiedzi pacjentów z 33,3% do 46,5%. To zwiększenie ma istotne znaczenie, wykazując, że narzędzie jest przydatne w rzeczywistych warunkach klinicznych. Model AI stanowi udoskonalenie wcześniejszej pracy tego samego zespołu nad stworzeniem narzędzia do klasyfikacji guzów mózgu, oferując niezawodną metodę, która może być zastosowana w innych rodzajach nowotworów.

DeepPT wyróżnia się dzięki wykorzystaniu obrazów histopatologicznych, które są szczegółowymi zdjęciami tkanek pacjentów. Te obrazy są łatwo dostępne, niedrogie i szybkie do przetworzenia. Pozwala to uniknąć długiego oczekiwania na skomplikowane dane molekularne, które mogą zająć tygodnie. Szybkie przetwarzanie jest szczególnie istotne dla pacjentów z poważnymi nowotworami, którzy potrzebują natychmiastowego leczenia.

DeepPT i ENLIGHT wykorzystują dane kliniczne do prognozowania. Wykorzystanie obrazów histopatologicznych jest nowatorskim podejściem, ponieważ te obrazy są już stosowane w codziennej praktyce medycznej, co ułatwia ich integrację z obecnymi procedurami. Wyższy wskaźnik odpowiedzi na leczenie sugeruje, że sztuczna inteligencja może odegrać ważną rolę w spersonalizowanej terapii raka.

Badanie opublikowane w magazynie Nature Cancer zostało uznane za naukowo wiarygodne. Współpraca z renomowanymi instytucjami, takimi jak Narodowy Instytut Raka i Pangea Biomed, dodatkowo zwiększa jego wiarygodność.

Ten postęp jest obiecującym krokiem w kierunku lepszych terapii raka. Pokazuje, jak współpraca między różnymi dziedzinami oraz nowoczesne technologie komputerowe mogą realnie poprawiać opiekę zdrowotną.

Sztuczna inteligencja odgrywa coraz większą rolę w medycynie, a narzędzia takie jak DeepPT są na czołowej pozycji. Pomagają one uczynić medycynę spersonalizowaną bardziej dostępną i skuteczną. Wykorzystując powszechne dane kliniczne, te narzędzia mogą łączyć badania z opieką nad pacjentem, dając nadzieję na lepsze wyniki dla pacjentów z nowotworami.

Będzie fascynujące obserwować, jak to narzędzie się rozwija i czy znajdzie zastosowanie w leczeniu innych chorób. Na chwilę obecną stanowi duży krok naprzód w walce z rakiem.

Badanie jest publikowane tutaj:

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

i jego oficjalne cytowanie - w tym autorzy i czasopismo - to

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
Sztuczna Inteligencja: Najnowsze wiadomości

Udostępnij ten artykuł

Komentarze (0)

Opublikuj komentarz