Oncologen zijn voordat ie diagnosticeren plusteken voorzien van ie ziekteverloop plusteken den effectiviteit van ene treatment onderschikkend van verschillende gegevensbronnen, zoals genomische sequencing, pathologie plusteken patiëntgeschiedenis. Bestaande technologie maakt ie mogelijk dit kennisoverdracht te usances wegens heet verwachte ziekteverloop te voorzien. Echter, ie handmatig samenvoegen van gegevens uit verschillende bronnen is ene uitdaging diegene zowel erop geoefend experts vaak leidt totdat ie maken van subjectieve beoordelingen. Dat is waar den nu ontwikkelde AI-modellen te beeld komen.
“Dit vroege diagnoses plusteken voorspellingen vormen den ondergrond voordat ie nemen van beslissingen overheen deelneming aan ene klinische test of specifieke behandelingsregimes. Met onzerzijds research streefden wij ernaar dit vraagstukken met behulp van AI plusteken deep learning modellen te geautomatiseerd”, vertelt arts-onderzoeker Faisal Mahmood, penis van ie kankerprogramma aan ie Broad Institute of Harvard plusteken MIT.
Prognostische AI-modellen
Ie onderzoeksteam van Mahmood heeft AI-modellen ontwikkeld waarmee verschillende vormen van diagnostische kennisoverdracht tweedehands wordt wegens den voorspelling van ie ziekteverloop nauwkeuriger te maken. Den AI-modellen hebben ie vermogen wegens prognostische bepalingen te exporteren, maar kunnen voorts den voorspellende ondergrond vormen wegens ie patiëntrisico te voorzien – ene karaktertrek diegene vermag wordt tweedehands wegens nieuwe biomarkers te ontdekken.
Den AI-modellen zijn gebouwd met behulp van The Cancer Genome Atlas (TCGA). Dit is ene publiek beschikbare database met gegevens overheen veel verschillende soorten kanker. Met dit brondata is vervolgens ene multimodaal, op deep learning gebaseerd algoritme voordat ie thuisbrengen van prognostische kennisoverdracht uit meerdere gegevensbronnen. Met behulp van afzonderlijke modellen voordat histologie plusteken genomische gegevens, is den technologie doorontwikkeld totdat één geïntegreerde entiteit diegene belangrijke prognostische kennisoverdracht levert.
Wegens den werking van ie AI-model te ontwikkelen werden den datasets plusteken genomische gegevens van veertien verschillende vormen van kanker tweedehands. Den resultaten toonden aan dat den modellen nauwkeurigere voorspellingen van patiëntuitkomsten opleverden dan modellen diegene slechts enkele informatiebronnen bevatten.
Ie research toont aan dat ie mogelijk is wegens AI te usances wegens verschillende soorten klinisch geïnformeerde gegevens te samenvoegen wegens ziekteresultaten te voorzien. Dit modellen kunnen, zo stellen den onderzoekers, mogelijk zowel tweedehands wordt voordat ie ontdekken van biomarkers diegene verschillende klinische factoren bevatten plusteken zo huis te vatten welk type kennisoverdracht nodig is wegens verschillende soorten kanker te diagnosticeren.
Klinische implementatie
Ie proof-of-concept-model toont den meerwaarde aan voordat ie toepassen van AI-modellen te den kankerzorg. Ie is echter past ene eerste stap te den klinische implementatie van dit modellen. Voordat dit technologie klaar is wegens te den praktijk toegepast te wordt, moeten nog ie nodige werkgelegenheid verzetsbeweging wordt. Zoals ie tapen van grotere datasets plusteken ie valideren op uitgestrekte onafhankelijke testcohorten.
“Dit werkgelegenheid vormt den ondergrond voordat grotere AI-onderzoeken te den gezondheidszorg diegene gegevens uit meerdere bronnen samenvoegen. Ter bredere zin benadrukken onze bevindingen den urgentie wegens prognostische modellen voordat computationele pathologie te construeren met veel grotere datasets plusteken downstream klinische onderzoeken wegens relevantie vast te stellen”, aldus Mahmood.