Nový model umělé inteligence (AI) dokázal podle nové studie odhalit 13 různých typů rakoviny s 98,2% přesností pouze za použití dat DNA ze vzorků tkání.
Tento model umělé inteligence s názvem EMethylNET byl vyvinut výzkumníky z University of Cambridge ve Spojeném království a může urychlit včasnou detekci, diagnostiku a léčbu rakoviny.
Zjištění publikovaná minulý týden v časopise Biology Methods and Protocols se zaměřují na metylaci DNA, chemický proces, který nastává časně, když se buňky začínají vyvíjet – včetně rakovinných buněk. Výzkumníci trénovali model strojového učení, aby identifikovali struktury a cesty, které tvoří rakovinu brzy.
„Rakovina, soubor více než dvou set různých onemocnění, zůstává celosvětově hlavní příčinou nemocnosti a úmrtnosti,“ uvádí studie. "Metastatická rakovina, která je často odhalena v pokročilém stádiu onemocnění, představuje 90 % úmrtí na rakovinu."
„Proto bude mít včasná detekce rakoviny – v kombinaci se současnými terapiemi – významný dopad na přežití a léčbu různých typů rakoviny,“ pokračovala studie.
Výzkumníci školili EMethylNET na datech z více než 6 000 vzorků tkání z The Cancer Genome Atlas, které představují 13 typů rakoviny včetně rakoviny prsu, plic a kolorektálního karcinomu. Tento model umělé inteligence pak otestovali na více než 900 vzorcích z nezávislých souborů dat.
Vynikajícím výsledkem byla více než 98% přesnost při klasifikaci 13 typů rakovinných a nerakovinných vzorků. Studie také zdůrazňuje, že metoda funguje dobře na různých souborech dat z různých zemí. Vědci také identifikovali 3 388 methylačních míst spojených s geny a cestami souvisejícími s rakovinou.
Podle studie tento model AI kombinuje dvě metody AI: XGBoost, který vybírá relevantní funkce, a hlubokou neuronovou síť pro klasifikaci. To modelu nejen umožňuje přesně detekovat rakovinu, ale také poskytuje informace o regulaci negenetických faktorů, které přeměňují normální buňky na rakovinné buňky.
Foto: Přehled metody. Data z mikročipů o methylaci DNA ze 13 typů rakoviny a odpovídajících normálních tkání byla shromážděna z TCGA a předzpracována. Pro úlohy binární a vícetřídní klasifikace byly trénovány tři typy modelů: Jednoduché modely (logistická regrese a podpůrné vektorové stroje), XGBoost a EMethylNET, model sestávající z kombinovaných XGBoost s Deep Neural Networks. Modely byly poté vyhodnoceny na nezávislých souborech dat a byla provedena analýza vlastností použitých v klasifikaci.
„Tyto epigenetické změny patří mezi nejčasnější neoplastické události zapojené do karcinogeneze,“ uvádí studie, která posiluje potenciál tohoto přístupu pro včasnou detekci rakoviny.
Ačkoli je tento počáteční výzkum slibný, autoři upozorňují, že tato technologie potřebuje před klinickým použitím další výzkum a testování. Tým říká, že pracuje na přizpůsobení tohoto modelu vzorkům tekuté tkáně, což by mohlo poskytnout neinvazivní časný screening rakoviny.
„V závislosti na dostupnosti tréninkových dat by tato metoda mohla být rozšířena tak, aby detekovala stovky typů rakoviny,“ tvrdí zpráva.
Jak AI stále proniká do zdravotnictví, EMethylNET představuje silný krok vpřed v používání strojového učení k dřívější a přesnější diagnostice rakoviny. Takové inovace by mohly mít dalekosáhlé důsledky pro veřejné zdraví.
Podle nejnovějších odhadů Mezinárodní agentury pro výzkum rakoviny je každoročně diagnostikováno více než 19 milionů nových případů rakoviny a 10 milionů úmrtí na rakovinu ročně.
Zdroj: https://tapchibitcoin.io/dai-hoc-cambridge-da-phat-trien-duoc-may-phat-hien-ung-thu-bang-ai-dat-do-chinh-xac-982-tren- 13-typ.html