Naučnici sa Harvarda grade multimodalni sistem veštačke inteligencije za predviđanje 14 vrsta raka

Multimodalni modeli veštačke inteligencije, obučeni na brojnim vrstama podataka, mogli bi da pomognu lekarima da preciznije pregledaju pacijente sa rizikom od razvoja više različitih karcinoma.

Predviđanje da li je neko u opasnosti od razvoja raka nije uvek tako jednostavno

Istraživači iz dela medicinske škole Univerziteta Harvard, razvili su model dubokog učenja koji može da identifikuje 14 vrsta raka. Većina algoritama veštačke inteligencije je obučena da uoči znake bolesti iz jednog izvora podataka, poput medicinskih skeniranja, ali ovaj može uzimati unose iz više izvora. Predviđanje da li je neko u opasnosti od razvoja raka nije uvek tako jednostavno, lekari često moraju da konsultuju različite vrste informacija, kao što je istorija zdravstvene nege pacijenta ili da sprovode druge testove da bi otkrili genetske biomarkere. Ovi rezultati mogu pomoći doktorima da pronađu najbolji tretman za pacijenta dok prate napredovanje bolesti, ali njihova interpretacija podataka može biti subjektivna, kaže Faisal Mahmood, docent koji radi na Odeljenju za računarsku patologiju.

“Stručnjaci analiziraju mnoge dokaze kako bi predvideli koliko dobro pacijent može da bude. Ovi rani pregledi postaju osnova za donošenje odluka o upisu u kliničko ispitivanje ili specifičnim režimima lečenja. Ali to znači da se ovo multimodalno predviđanje dešava na nivou stručnjaka. Pokušavamo da rešimo problem računarski“, rekao je on u izjavi. Mahmood i njegove kolege opisali su kako jedan sveobuhvatni sistem, sastavljen od brojnih algoritama zasnovanih na dubokom učenju i obučenih na više oblika podataka, može dijagnostikovati do 14 različitih karcinoma. Istraživači su koristili podatke o obuci iz Atlasa genoma raka (TCGA – The Cancer Genome Atlas), javnog izvora koji sadrži podatke o različitim vrstama raka dobijene od preko 5.000 stvarnih pacijenata, kao i druge izvore podataka.

Prvo, korišćeni su mikroskopski prikazi ćelijskih tkiva sa slika celog slajda (whole-slide images – WSIs) i podataka o genomici zasnovanim na tekstu za obuku dva odvojena modela. Oni su zatim integrisani u jedan sistem da bi se predvidelo da li su pacijenti pod visokim ili niskim rizikom od razvoja različitih tipova raka. Model bi čak mogao pomoći naučnicima da pronađu ili potvrde genetske markere povezane sa određenom bolešću, tvrde istraživači.

„Korišćenje dubokog učenja, multimodalne fuzije molekularnih biomarkera i ekstrahovanih morfoloških karakteristika iz WSI ima potencijalnu kliničku primenu ne samo u poboljšanju preciznosti u stratifikaciji rizika pacijenata, već bi takođe moglo pomoći u otkrivanju i validaciji multimodalnih biomarkera gde kombinovani efekti histologije i genomskih biomarkera nisu poznati”, napisao je tim u članku objavljenom u Cancer Cell 8. avgusta. Mahmood je za The Register rekao da je trenutna studija dokaz koncepta u primeni multimodalnih modela za predviđanje rizika od raka. „Moramo da obučimo ove modele sa mnogo više podataka, testiramo ih na velikim nezavisnim test kohortama i pokrenemo prospektivne studije i klinička ispitivanja da bismo utvrdili efikasnost ovih modela u kliničkom okruženju“, zaključio je on.

Izvor: Theregister