Përparimet në algoritmet e mësimit të thellë të inteligjencës artificiale (AI) po ndihmojnë në përshpejtimin e neuroshkencës, mjekësisë së personalizuar dhe onkologjisë precize. Një studim i fundit i publikuar në ‘‘Nature Medicine‘‘ tregon se si një mjet i ri diagnostikues i AI i quajtur DeepGlioma mund të përdorë imazhe të shpejta për të identifikuar mutacionet gjenetike nga mostrat e tumorit të trurit në më pak se 90 sekonda me saktësi të lartë.
Neurokirurgu i Shkollës Mjekësore të Universitetit të Miçiganit dhe asistent profesor i neurokirurgjisë Todd Hollon, drejtoi studimin me studiuesit që bashkëpunuan me Universitetin e Miçiganit, Universitetin e Nju Jorkut, Universitetin e Kalifornisë, San Francisko, Universitetin Mjekësor të Vjenës, Spitalin Universitar të Këln dhe Invenio Imaging.
“vendosja në testet diagnostike molekulare është e pabarabartë për pacientët që marrin kujdes për tumoret e trurit,” shkroi Dr. Hollon në bashkëpunim me kolegët e tij studiues. “DeepGlioma mund të përmirësojë testimin molekular duke ofruar testime të shpejta molekulare, duke i lejuar klinicistët të përqendrohen vetëm në konfirmimin e mutacioneve më të mundshme diagnostike, në vend që të përdorin një hyrje diagnostike fizike.”
Gliomat janë tumore që formohen kur qelizat gliale në tru ose në palcën kurrizore rriten jashtë kontrollit. Tre llojet e qelizave gliale janë astrocitet, oligodendrocitet dhe qelizat epidermale. Glia, e njohur edhe si neuroglia ose glia, do të thotë “ngjitës” në greqisht dhe u krijua në 1856 nga patologu i famshëm gjerman Rudolph Virchow, i cili konsiderohet një pionier në patologjinë moderne me kontributin e tij në teorinë e qelizave.
Trajtimi i gliomave varet nga grada e tyre. Organizata Botërore e Shëndetësisë (OBSH) ka katër shkallë për tumoret e trurit që variojnë nga shkallët më të ulëta me rritje të ngadaltë (shkalla I, shkalla II) deri te shkallët më të larta me rritje më të shpejtë (shkalla III, shkalla IV). Për shembull, glioblastoma, e quajtur edhe GBM ose glioblastoma multiforme, një lloj kanceri veçanërisht agresiv i trurit që prek astrocitet, është një glioma e shkallës IV.
“DeepGlioma parashikoi me saktësi mutacionet IDH, kodimin 1p19q dhe mutacionet ATRX pa nevojën për hibridizimin fluoreshent in situ ose sekuencën gjenetike, duke mundësuar nënklasifikimin e automatizuar molekular të gliomave difuze sipas sistemit të klasifikimit të OBSH-së,” raportuan shkencëtarët.
Diagnostifikimi molekular ose patologjia molekulare analizon sekuencat e kodit gjenetik (ADN ose ARN) në qeliza për të gjetur një mutacion gjenik të trashëguar ose të fituar të lidhur me një sëmundje të caktuar. Diagnostifikimi molekular mund të identifikojë infeksione ose faktorë rreziku gjenetik për sëmundje të caktuara. Testet molekulare i lejojnë mjekët të ofrojnë trajtim më të synuar përmes mjekësisë precize bazuar në variacionet gjenomike kundrejt një qasjeje “një madhësi për të gjithë” për trajtimin e kancerit.
“Klasifikimi molekular ka transformuar menaxhimin e tumoreve të trurit, duke mundësuar prognozë më të saktë dhe trajtim të personalizuar”, shkruan studiuesit. “Megjithatë, testimi i hershëm i diagnostikimit molekular për pacientët me tumore të trurit është i kufizuar, duke komplikuar trajtimin kirurgjik dhe ndihmës dhe duke penguar regjistrimin në provat klinike.”
DeepGlioma përdor metoda të vizionit kompjuterik të bazuar në të mësuarit e thellë të AI, të përbërë nga dy module të para-trajnuara, një kodues vizual dhe një kodues gjenetik, të cilat janë të integruara përmes një mekanizmi vëmendjeje për klasifikimin e imazheve.
“Pengesat ndaj diagnozës molekulare mund të çojnë në kujdes jo optimal për pacientët me tumor të trurit, duke komplikuar parashikimin prognostik, marrjen e vendimeve kirurgjikale, shtrirjen e objektivave të rezeksionit, zgjedhjen e regjimeve ndihmëse të kemoradioterapisë dhe regjistrimin e provave klinike. ,” shkruajnë studiuesit.
Dr. Hollon dhe ekipi i tij studiues vendosën të arrijnë performancën optimale në klasifikimin TN duke përdorur kombinimin e imazheve dhe të dhënave gjenomike publike në shkallë të gjerë.
“Këtu, ne propozojmë dhe vërtetojmë në mënyrë prospektive një qasje të bazuar në AI për të thjeshtuar klasifikimin molekular të gliomave difuze përmes analizës së imazhit të automatizuar të imazhit të shpejtë optik të ekzemplarëve të freskët dhe të papërpunuar kirurgjikale,” ndanë shkencëtarët.
