2022. 08. 04. - 09:00

Vastagbélrák diagnosztizálását javíthatja a mesterséges intelligencia

Vastagbélrák diagnosztizálását javíthatja a mesterséges intelligencia

Az optikai koherencia tomográfiát és a gépi tanulást kombinálta egymással egy kutatócsoport – a mesterséges intelligencia javította a vastagbélrák szűrését és azonosítását.

A vastagbélrák diagnosztizálásában is komoly segítséget nyújthat a mesterséges intelligencia. A St. Louis-i Washingtoni Egyetem McKelvey Műszaki Iskolájának kutatócsoportja a gépi tanulást és az az optikai koherencia tomográfiát (OCT) vegyítette egymással, hogy kifejlessze a kolorektális rák képalkotó eszközét.
 
A kutatócsooport professzorai, Quing Zhu és Edwin H. Murty a Journal of Biophotonics szaklapban közölték eredményeiket, amelyek a jövőben javíthatják az orvosok által jelenleg használt hagyományos endoszkópiát.
 
A vastagbélrák szűrése napjainkban a szövetek humán vizuális vizsgálatán alapul, kolonoszkópiás eljárás során. Ez a technika azonban nem észleli és diagnosztizálja a felszín alatti elváltozásokat. Olvasd el: Vezeték nélküli eszköz lehet sikeres a vastagbél- és végbélrák kezelésében
 
A vastagbélrák diagnosztizálásában is komoly segítséget nyújthat a mesterséges intelligencia
A vastagbélrák diagnosztizálásában is komoly segítséget nyújthat a mesterséges intelligencia
 
Az endoszkópos OCT annyiban más, hogy fényt vet a vastagbélbe, segítve a szakembernek mélyebbre látni, megkönnyítve a rendellenességek diagnosztizálását. Olvasd el: Mesterséges intelligencia segítheti a vastagbélrák felderítését
 
A Washington Egyetem Orvostudományi Karának orvosai Chao Zhou orvosbiológiai mérnöki professzorral együttműködve egy kis OCT katétert fejlsztettek ki, amely hosszabb fényhullámot használ, így 1-2 mm-re behatolhat a szövetmintákba.
 
A munkát Zhu laboratóriumának diákja, Hongbo Luo Ph.D. hallgató vezette. Zhu egyébként az Orvostudományi Iskola radiológia professzora is. 
 
Az új technika több információt szolgáltatott egy rendellenességről, mint az orvosok által jelenleg alkalmazott felszíni, fehér fényes képek.
 
Shuying Li, Ph.D., Zhu laboratóriumának másik diákja a képalkotó adatokat arra használta, hogy egy gépi tanulási algoritmust képezzen ki a normál és a rákos szövetek megkülönböztetésére.
 
A kombinált rendszer lehetővé tette a szakemberek számára a rákos szövetminták kimutatását és osztályozását, mégpedig 93 százalékos diagnosztikai pontossággal.
 
 
L.A.

 

Hírlevél feliratkozás

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

profight_banner.