Çin'deki Tianjin Tıp Üniversitesi'nden (Tmu) bir grup bilim insanı, metastatik hücrelerin görüntülerini analiz edebilen ve birincil tümörün yerini, metastatik hücrelerinkinden daha yüksek bir hassasiyetle tanımlayabilen, yapay zeka algoritmasına dayalı bir dijital araç geliştirdi. insan onkologları. Bir model, araştırmanın yazarlarını derginin sayfalarına yazıyor Doğa TıbbıBu da daha ileri evrelerdeki kanserlerin teşhis ve tedavisinin iyileştirilmesine yardımcı olabilir ve potansiyel olarak hastaların yaşam beklentisini artırabilir.
Hedefli tarama ve erken teşhis: Yapay zeka tıbbı bu şekilde değiştiriyor
kaydeden Sandro Iannaccone
02 Şubat 2024
Kanser nereden geliyor?
Belirli bir metastazın kökeninin bilinmesi, tedavilerin başarı olasılığının arttırılmasında çok önemli bir faktördür. Ne yazık ki pek çok tümör hiçbir belirti vermeden, tespit edilmeden büyüyebilmekte ve kökenlerinden çok uzaktaki organ ve bölgelere yayılabilmektedir; bu nedenle bazı durumlarda “yolu” yeniden oluşturmak çok zordur. Metastazın tespiti ve primer tümöre kadar takip edilmesi. Yüz vakadan yaklaşık beşinde tümörün kaynağı belirlenememekte ve hasta için prognoz neredeyse her zaman olumsuzdur. Şu anda, metastazların “maskesini ortaya çıkarmak” için en etkili tanı yöntemi benzerlik araştırmasına dayanmaktadır: örneğin bir göğüs tümörünün akciğer metastazı hücreleri, bir şekilde göğüs tümörü hücrelerine “benzer”. Onkologlar tam olarak bu benzerlikleri analiz ederek birincil tümörün yerini çıkarmaya çalışırlar.
Yapay zeka, işte sağlıkta neler yapılabilecek
Yazan: Gianluigi Grieco, Piero Poccianti
15 Mart 2024
Ai'nin bakışı
İşte bu noktada, diğer özelliklerinin yanı sıra, son yıllarda görüntü tanıma ve sınıflandırma alanında giderek daha yetkin hale gelen yapay zeka devreye giriyor: Tian Li Xiangchun ve meslektaşları, uzmanlaşmış bir grup Tmu biyoenformatikçisi derin öğrenme, metastatik hücrelerin görüntülerinin analizinde uzmanlaşmış bir algoritma geliştirdiler. Model, birincil tümörün kökeninin bilindiği 21 binin üzerinde kanser hastasının akciğerinden veya karın sıvısından alınan yaklaşık 30 bin hücre görüntüsü üzerinde eğitildi: bu şekilde algoritma belirli bir görüntüyü belirli bir görüntüyle ilişkilendirmeyi “öğrendi”. spesifik köken; Daha sonra, her zaman birincil tümörü bilinen hastalarla ilgili olan 27 bin görüntü daha üzerinde test edildi ve vakaların %83'ünde tümör kaynağını doğru bir şekilde tanımlayabildi. Gerçekte model, birincil tümör için olasılıklara göre sıralanmış olası “adayların” bir listesini sağlar: Vakaların %99'unda doğru cevabın algoritmanın ilk üç cevabında olduğu bulunmuştur.
Ses teli sorunları durumunda sesi geri döndüren giyilebilir yapay zeka
kaydeden Simone Valesini
21 Mart 2024
Olasılıkların bir listesi
Primer tümör için olasılıkların bir listesi var, yukarıda açıkladılar Doğa, onkologlar için çok faydalıdır çünkü doğru teşhis için gerekli olan ek ve çoğunlukla invaziv testlerin sayısını azaltır. Yeni yayınlanan çalışmada tahminler 12 kanser türü (akciğer, yumurtalık, mide ve meme dahil) ile sınırlıydı çünkü diğer türler (prostat ve böbrek dahil) genellikle akciğer ve karın sıvılarına yayılmaz; ancak gelecekte sistemin teşhis olanaklarını genişletmek için analizin başka yerden alınan hücrelere genişletilmesi ve aynı prensiplerle çalışan ancak diğer bilgileri analiz eden cihazlarla (örneğin doku örnekleri) entegre edilmesi düşünülebilir. veya genomik veriler) doğruluğunu daha da artırmak için.
Hedefli tarama ve erken teşhis: Yapay zeka tıbbı bu şekilde değiştiriyor
kaydeden Sandro Iannaccone
02 Şubat 2024
Kanser nereden geliyor?
Belirli bir metastazın kökeninin bilinmesi, tedavilerin başarı olasılığının arttırılmasında çok önemli bir faktördür. Ne yazık ki pek çok tümör hiçbir belirti vermeden, tespit edilmeden büyüyebilmekte ve kökenlerinden çok uzaktaki organ ve bölgelere yayılabilmektedir; bu nedenle bazı durumlarda “yolu” yeniden oluşturmak çok zordur. Metastazın tespiti ve primer tümöre kadar takip edilmesi. Yüz vakadan yaklaşık beşinde tümörün kaynağı belirlenememekte ve hasta için prognoz neredeyse her zaman olumsuzdur. Şu anda, metastazların “maskesini ortaya çıkarmak” için en etkili tanı yöntemi benzerlik araştırmasına dayanmaktadır: örneğin bir göğüs tümörünün akciğer metastazı hücreleri, bir şekilde göğüs tümörü hücrelerine “benzer”. Onkologlar tam olarak bu benzerlikleri analiz ederek birincil tümörün yerini çıkarmaya çalışırlar.
Yapay zeka, işte sağlıkta neler yapılabilecek
Yazan: Gianluigi Grieco, Piero Poccianti
15 Mart 2024
Ai'nin bakışı
İşte bu noktada, diğer özelliklerinin yanı sıra, son yıllarda görüntü tanıma ve sınıflandırma alanında giderek daha yetkin hale gelen yapay zeka devreye giriyor: Tian Li Xiangchun ve meslektaşları, uzmanlaşmış bir grup Tmu biyoenformatikçisi derin öğrenme, metastatik hücrelerin görüntülerinin analizinde uzmanlaşmış bir algoritma geliştirdiler. Model, birincil tümörün kökeninin bilindiği 21 binin üzerinde kanser hastasının akciğerinden veya karın sıvısından alınan yaklaşık 30 bin hücre görüntüsü üzerinde eğitildi: bu şekilde algoritma belirli bir görüntüyü belirli bir görüntüyle ilişkilendirmeyi “öğrendi”. spesifik köken; Daha sonra, her zaman birincil tümörü bilinen hastalarla ilgili olan 27 bin görüntü daha üzerinde test edildi ve vakaların %83'ünde tümör kaynağını doğru bir şekilde tanımlayabildi. Gerçekte model, birincil tümör için olasılıklara göre sıralanmış olası “adayların” bir listesini sağlar: Vakaların %99'unda doğru cevabın algoritmanın ilk üç cevabında olduğu bulunmuştur.
Ses teli sorunları durumunda sesi geri döndüren giyilebilir yapay zeka
kaydeden Simone Valesini
21 Mart 2024
Olasılıkların bir listesi
Primer tümör için olasılıkların bir listesi var, yukarıda açıkladılar Doğa, onkologlar için çok faydalıdır çünkü doğru teşhis için gerekli olan ek ve çoğunlukla invaziv testlerin sayısını azaltır. Yeni yayınlanan çalışmada tahminler 12 kanser türü (akciğer, yumurtalık, mide ve meme dahil) ile sınırlıydı çünkü diğer türler (prostat ve böbrek dahil) genellikle akciğer ve karın sıvılarına yayılmaz; ancak gelecekte sistemin teşhis olanaklarını genişletmek için analizin başka yerden alınan hücrelere genişletilmesi ve aynı prensiplerle çalışan ancak diğer bilgileri analiz eden cihazlarla (örneğin doku örnekleri) entegre edilmesi düşünülebilir. veya genomik veriler) doğruluğunu daha da artırmak için.