Yapay zeka "Nature" dergisinde yer alıyor! DNA metilasyonuna dayalı AI sistemi, yaklaşık 100 beyin kanserini teşhis edebilir
Leifeng.com'a göre, yakın zamanda "Nature" dergisi başka bir ağır yapay zeka başarısı yayınladı.
Amerika Birleşik Devletleri, Almanya ve İtalya'daki 100'den fazla laboratuvardan yaklaşık 150 bilim insanı, bu makaleyi ortaklaşa yayınlamak için birlikte çalıştı "Nature" Tümör dokusu DNA'sının metilasyonuna dayalı bir süper AI sistemi geliştirdiler. Veriler, yaklaşık 100 farklı merkezi sinir sistemi tümöründen doğru bir şekilde ayırt edilebilir. Daha da güçlü olan şey, bu AI sisteminin kendi kendine öğretilebilmesi ve klinik kılavuzlarda yer almayan bazı yeni kategorileri keşfedebilmesidir.
Ekip, daha geniş erişilebilirlik için herhangi bir ek alan verisi işleme olmaksızın ücretsiz bir çevrimiçi sınıflandırma aracı tasarladı. Ekibe göre araştırma sonuçları, diğer kanser varlıkları arasında makine öğrenimine dayalı tümör sınıflandırıcıları oluşturmak için bir plan sunuyor ve tümör patolojisini temelden değiştirme potansiyeline sahip.
Yaklaşık bir ay önce, Profesör Zhang Kangın "Heavy! Çinli bilim adamlarının en son tıbbi yapay zeka başarısı" Cell Magazine'de gösterildi ve arkadaş çevresinde gösterildi. Ayrıca halkın tıp alanında yapay zeka teknolojisinin sürekli gelişmesine büyük katkısını tam olarak gösterdi. Büyük coşku.
Doğru hastalık tedavisi için doğru teşhis şarttır. Şu anda, merkezi sinir sistemi tümörlerinin klinik teşhisinin temel teknolojisi, mikroskoba dayalı histolojik tanıdır. Ancak bu, ince hücresel değişikliklerin değerlendirilmesini gerektirir. Bazı durumlarda, farklı bireylerin belirli bir örneği farklı şekilde sınıflandırmasına neden olabilir. Günümüzde teknolojinin gelişmesiyle birlikte büyük miktarda moleküler veri elde edilebilmekte ve değerlendirilebilmekte ve bu öznel yargının hatası sürekli olarak küçülmektedir.
1926'da, beyin cerrahları Percival Bailey ve Harvey Cushing tarafından yayınlanan " Glioma grubunda tümör sınıflandırması ile prognoz arasındaki korelasyon üzerine çalışma ", halka merkezi sinir sistemi (CNS) kanser türlerinin gelişimi, hücre özellikleri ve klinik sonuçları hakkında erken bir anlayış sağlamak için. Bu kitabın başlığı öngörü ile doludur çünkü savundukları mikroskop temelli tanı yöntemleri evrensel değildir. Yazarın fikirleri zamanlarından öncedir. Örneğin, kitabın başlığındaki "histo-genetik" kelimesi, hücre değişiklikleri ve genetik arasındaki bağlantıya işaret ediyor. Bailey ve Cushingin ayrıntılara gösterdiği yoğun ilgi, onların keşfetmelerini ve klinik sonuçları keşfetmelerini sağladı İlgili makroskopik ve mikroskobik tümör özellikleri ve önerilen 14 tümör sınıflandırması.
Günümüzde birçok beyin tümörü, histolojik ve moleküler özelliklerin analizi ile tanımlanmaktadır. Dünya Sağlık Örgütü, histolojik ve moleküler bilgileri birleştiren kapsamlı bir tanı yöntemi önermek için 2016 yılında belirli beyin tümörleri için tanı kılavuzlarını güncelledi. Bununla birlikte, farklı merkezi sinir sistemi tümörlerinin klinik belirtileri ve biyolojik özellikleri oldukça spesifiktir ve teşhis edilmesi zordur. Mikroskop altında benzer şekilde davranan birçok tümör aslında farklı gen mutasyon özelliklerine sahiptir.Bunların gözlemlenmesi neredeyse zordur, bu da doğru teşhis için büyük zorluklar getirir.
Histolojik analizin önemli bir gelişimi, makine öğrenimi sürecinin histolojik verileri analiz etmesine izin vermek için hesaplama araçlarının genişletilmesidir. Bu yöntemde, "bilgisayar", doktor tarafından sınıflandırılan tümör numunesi görüntülerinin bir veri kümesi kullanılarak "eğitilir". Bilgisayarlar, tümör türlerini tanımlamak için kendi örüntü tanıma standartlarını geliştirmek için sınıflandırma bilgilerini kullanır. Bununla birlikte, belirli tümörler için net bir şekilde tanımlanmış tanı kriterleri yoksa veya farklı tümör türlerini histolojik olarak ayırt etmek zorsa, makine zorluklarla karşılaşacaktır.
Araştırma ekibi, karmaşık görsel değerlendirme gerektirmeyen bilgileri sınıflandırmaya odaklanmaya karar verdi. Tümörleri DNA metilasyonundaki değişikliklere (DNA'ya metil grupları ekleyerek) göre sınıflandırmak için makine öğrenimi yöntemlerini kullandılar ve bu teşhisleri, histolojik analiz kullanarak patologlar tarafından yapılanlarla karşılaştırdılar.
Lei Feng.com, DNA metilasyonunun, genlerin görünümünü değiştirmenin en eski keşfedilen yollarından biri olduğunu öğrendi. Bu tür değişiklikler DNA dizisini değiştirmez, ancak gen ekspresyonunu veya hücre kaderini etkileyebilir. Anormal DNA metilasyonunun ve diğer epigenetik değişikliklerin kanserdeki rolü giderek daha belirgin hale geliyor. Pek çok kanserde, genom çapında epigenetik değişikliklerin paterni (epigenom olarak adlandırılır) önemli ölçüde değişebilir. Örneğin, gliomalarda IDH1 veya IDH2 genlerindeki mutasyonlar, spesifik klinik sonuçlarla ilişkili olabilen genom çapında DNA metilasyon paternleri bozukluklarına neden olur.
Önceki çalışmalar, belirli beyin tümör türlerinde DNA metilasyonunu analiz etmenin tanısal avantajlarını vurgulamıştır: bir yandan metilasyon özellikleri ilgili hücresel değişiklikleri işaretleyebilir ve diğer yandan da hücre kaynağını izlemek için kullanılabilir, örneğin, Odağı bilinmeyen kanserleri teşhis edin. Bununla birlikte, birkaç nedenden ötürü, geleneksel genom çapında metilasyon analizi, klinik tanı için hala yaygın değildir: Maliyet; örnek gereksinimleri; gerekli veri analizi uzmanlarının eksikliği ve bu bulguların klinik tedaviyi etkileyip etkilemeyeceği.
Bununla birlikte, ilgili araştırmalar bir miktar ilerleme kaydediyor. Artık bilim adamları formalin fiksasyonundan sonra az miktarda parafine gömülü dokudan (FFPE) DNA'yı kolayca çıkarabilirler.
Yazar, bilgisayara Dünya Sağlık Örgütü tarafından sınıflandırılan hemen hemen tüm CNS tümör türlerinin genom çapında metilasyon verilerini sağladı. Ek olarak, merkezi sinir sistemi tümörleri ile diğer tümörler ve normal beyin dokusu arasındaki farkları ayırt etmek için araştırma ekibi ayrıca bazı mezenkimal tümörleri, melanomları, yaygın büyük B hücreli lenfomaları, plazmasitomları ve 6 tip hipofiz bezini de analiz etti. Sağlıklı beyin dokusunda tümörler ve DNA metilasyonu.
DSÖ'nün sınıflandırmasına ve numunenin tanı sonuçlarına göre, DSÖ tarafından tanımlanan her bir tümör tipinin metilasyon özellikleri denetimli makine öğrenme algoritması altında analiz edilir; daha sonra denetimsiz makine öğrenme algoritması tekrar analiz etmek için kullanılır. AI sistemi, merkezi sinir sistemi tümör metilasyonuna ilişkin kendi algılarını özetledi.
Leifeng.com'a göre, eğitimden sonra bilgisayarlar tümörleri belirli metilasyon özelliklerine göre 82 farklı kategoriye ayırabilir. Bunlardan 29'u, DSÖ tarafından tanımlanan spesifik tümör tiplerini karşılar ve ayrıca ikinci kategoride, WHO sınıflandırmasındaki belirli bir tümörün alt tipleriyle eşleşebilecek 29'u vardır. Gerisi sadece kısmi bir eşleşme veya hiç eşleşme yok. Araştırmacılar, bu bulguların araştırmacıların merkezi sinir sistemi tümörlerini daha derinlemesine anlamalarına ve tedavi seçeneklerinin seçimine veya teşhis araçlarının geliştirilmesine yardımcı olabileceğine inanıyor.
Şekil 1 | Makine öğrenme yöntemlerini kullanarak tümör sınıflandırması. Capper ve arkadaşları, beyin tümörlerini metilasyon adı verilen genom çapında DNA değişiklikleri modeline göre sınıflandırmak için makine öğrenimi yöntemlerini kullandı. Bilgisayarlar, standart mikroskop analizine dayalı metilasyon verileri veya seçilmiş patologlar tarafından teşhis edilen tümör örnekleri kullanılarak eğitilir. Eğitimden sonra bilgisayar 1104 test vakası elde etti.
Yazar, bilgisayar ve patolog tarafından yapılan tanıyı karşılaştırdı. Örneklerin% 60,4'ünde AI sistemi ve patoloğun teşhisi tutarlıydı. Örnek AI sistemlerinin ve patologların% 15,5'i de tutarlıdır, ancak AI sistemi bunların daha küçük bir alt türe ait olması gerektiğine inanmaktadır. Vakaların% 12.6'sında, AI sisteminin sonuçları ve patoloğun teşhisi tutarsızdı. Daha derinlemesine analizden sonra (gen sıralaması gibi), numunelerin% 92,8'i AI sistemi tarafından doğruydu.
Standart kanser teşhisi ile karşılaştırıldığında her numunenin düşük maliyetinin avantajları göz önüne alındığında, araştırma ekibinin yöntemi tümör teşhisi için gelecekteki olası bir standardı temsil ediyor mu?
Bu soruna yanıt olarak, araştırmacılar ayrıca metilasyon özelliklerinin tek bir teşhis kriteri olarak kullanılamayacağını ve klinik doğrulamanın gerekli olduğunu öne sürdüler.
Tümör örneklerinin kapsamlı bir moleküler profilinin elde edilmesi kesinlikle yararlıdır (özellikle mikroskopi ile birleştirildiğinde) ve bireysel tümör özelliklerine uyacak tıbbi tedavilerle daha kişisel hale gelebilir.
Histoloji, hastalık sınıflandırmasının hala vazgeçilmez bir parçasıdır, çünkü mikroskop numunesinin korunması ve muayenesi için standart yöntemler, dünya çapındaki klinik laboratuvarlarda kullanılan rutin teşhis iş akışları için en erişilebilir ve standartlaştırılmış giriş noktasını sağlar. Hastalıklar moleküler ve hücresel değişikliklerde ortaya çıkabilir; bu nedenle, moleküler analiz ve görsel muayeneyi entegre eden yöntemler tanı yeteneklerini artırabilir.
Araştırmacılar tarafından geliştirilen platformların rutin ve yaygın kullanımı günümüzde pek çok laboratuvar için pratik olmayabilir. Bu nedenle, bu tekniğin en olası doğrudan uygulaması, net olmayan histolojik özelliklere sahip vakaları değerlendirmektir. Bununla birlikte, bu yeni yöntem, geleneksel yönteme faydalı bir tamamlayıcıdır.
