2024. 03. 18. - 08:50

Valós időben figyeli a rákot a mesterséges intelligencia

Valós időben figyeli a rákot a mesterséges intelligencia

Mesterséges intelligencia-vezérelt eszközt fejlesztenek a rák közel valós idejű megfigyelésére a kutatók, ami jelentős segítséget nyújt számukra.

Komoly elismerést szerzett a patológusok és kutatók körében a mesterséges intelligencia a jobb diagnózisokért és jobb rákkezelésekért folytatott harcban.
 
A vadonatúj, ígéretes eszköz szakemberek közös munkája: az amerikai Nemzeti Rákkutató Intézet (National Cancer Institute - NCI) együttműködésével az Energiaügyi Minisztérium Oak Ridge National Laboratory laboratórium, valamint a Louisiana Állami Egyetem kutatói fejlesztettek ki egy hosszú szekvenciájú mesterséges intelligencia-transzformátort, amely több millió patológiai jelentés feldolgozására képes, hogy a rákdiagnózisokat és -kezelést kutató szakértőket exponenciálisan több adattal láthassa el, pontos információkat adjon a rákjelentések területén.
 
„Célunk, hogy megvizsgáljuk, automatizálhatjuk-e az adott rákhelyre vonatkozó információk kinyerésének folyamatát ezen patológiai jelentésekből és strukturált adatokká alakíthatjuk-e azokat a nemzeti szintű rák-előfordulási jelentésekhez” - mondta Mayanka Chandra Shekar, a Computational Sciences kutatója az ORNL mérnöki részlegéről.
 
A kutatócsoport a Clinical Cancer Informatics szaklapban közölte tanulmányát. Olvasd el: Sejttípusokat számlál az MI
 
Valós időben figyeli a rákot a mesterséges intelligencia
Valós időben figyeli a rákot a mesterséges intelligencia
 
Segít a nagy mennyiségű adatot feldolgozó MI
 
A mesterséges intelligencia-transzformátor modelleket nagy mennyiségű adattal tanítják és azokat a tudósok számára hasznos, emészthető információkká alakítják át.
 
Az Oak Ridge Leadership Computing Summit szuperszámítógép biztonságos CITADEL keretrendszerét használva az ORNL kutatói a speciális transzformátormodell segítségével 2,7 millió rákpatológiai jelentést dolgoztak fel.
 
Ez a Path-BigBird néven ismert modell hat Surveillance, Epidemiology and End Results vagy SEER rákregiszterből gyűjt adatokat.
 
„Olyan nyelvi modellt akartunk építeni, amelynél megkérdezhetjük: tudunk-e felépíteni valamit, ami megérti a patológia nyelvét és segít nekünk prediktív modellezési vagy információ-kinyerési modellek létrehozásában, amelyek alapvetően megadják a rák helyét, aloldalát és egyéb kulcsfontosságú részleteket a patológiai jelentésekből?" – mondta Chandrashekar.
 
Ezen rákregisztereket jelenleg kézzel frissítik, így 2 év különbség van a rák előfordulása és a bejelentés között. Ez azt jelenti, hogy ha országosan nő a rákos megbetegedések aránya, a kutatóknak 2 évet kell várniuk, mielőtt felismerik ezt a problémát.
 
A mesterséges intelligencia komoly előrelépést jelent
 
A patológiai jelentések millióiból származó információk hatékony feldolgozásával azonban a Path-BigBird képes ésszerűsíteni a patológiai információk kinyerésének sebességét és pontosságát. Felülmúlja a hagyományos mélytanulási megközelítéseket, olyan fontos információk összegyűjtésében, mint a rák helyeinek azonosítása, a szövettan és a rák előfordulási pontosságának javítása a lakossági szintű jelentésben.
 
„Jelenleg alkalmazott mélytanulási modellünk a rákregiszterek által feldolgozott jelentések körülbelül 23 százalékát automatikusan kódolta, így értékes időt takarít meg a kutatóknak a közel valós idejű rákjelentések terén” - mondta Chandrashekar.
 
Hozzátette: ez az előrelépés ajtót nyit egy átfogó patológiai modellnyelv létrehozásához, amely minden eddiginél gyorsabban képes sikeresen végrehajtani a feladatokat.
 
A modell használata egy teljesen új világot nyit - mondta Chandrashekar. „Ugyanazzal a modellel kibővíthetjük a biomarkerek és más visszatérő rákproblémák kinyerését, hiszen mostmár képes megérteni a patológia specifikus nyelvezetét. Kiterjeszthetjük az általunk elindított fókuszon túlra is" - tette hozzá.
 
A kutatásban akkor következett be fordulópont, amikor a kutatócsapat rájött, hogy a mesterséges intelligencia-modell pontosabb működéséhez szélesebb nyelvi körre van szükség. A klinikai nyelv és a patológiai jelentések beépítésével Chandrashekar és csapata drámai javulást tapasztalt, pontosság és a teljesítmény terén egyaránt.
 
 
L.A.

Hírlevél feliratkozás

Kérjük, add meg adataidat a hírlevélre történő feliratkozáshoz! A megadott adatokat bizalmasan kezeljük, azokat harmadik félnek át nem adjuk.