Βρείτε μας στο Google News. Πατήστε εδώ!Ερευνητές από το Weill Cornell Medicine και το Hospital for Special Surgery (HSS) ανέπτυξαν ένα καινοτόμο εργαλείο τεχνητής νοημοσύνης που βοηθά στη διάκριση υποτύπων της ρευματοειδούς αρθρίτιδας (ΡΑ), ανοίγοντας νέες προοπτικές για τη βελτίωση της θεραπείας της νόσου. Η μελέτη, που δημοσιεύθηκε στο περιοδικό Nature Communications, αποδεικνύει την αποτελεσματικότητα της τεχνητής νοημοσύνης στην ανάλυση παθολογικών δειγμάτων από ασθενείς με ΡΑ.
Ο Δρ. Fei Wang, καθηγητής πληθυσμιακών επιστημών υγείας και ιδρυτικός διευθυντής του Ινστιτούτου Τεχνητής Νοημοσύνης για Ψηφιακή Υγεία στο Weill Cornell Medicine, εξήγησε ότι το εργαλείο αυτοματοποιεί την ανάλυση παθολογoανατομικών δειγμάτων, κάτι που μπορεί να οδηγήσει σε ακριβέστερη και ταχύτερη διάγνωση, καθώς και σε εξατομικευμένη θεραπεία για τη ΡΑ. «Δείχνει ότι η τεχνητή νοημοσύνη έχει τη δυνατότητα να μεταμορφώσει την παθολογοανατομική αξιολόγηση πολλών ασθενειών», δήλωσε ο Δρ. Wang.
Σήμερα, οι παθολογοανατόμοι διακρίνουν τους υποτύπους της αρθρίτιδας με χρονοβόρες και επίπονες διαδικασίες ανάλυσης, χρησιμοποιώντας κριτήρια για την ανάλυση κυττάρων και ιστών σε δείγματα βιοψίας. Αυτή η διαδικασία είναι αργή και μπορεί να οδηγήσει σε σφάλματα. Ο Δρ. Richard Bell και ο Δρ. Lionel Ivashkiv συνεργάστηκαν με τον Δρ. Wang για να αυτοματοποιήσουν την ανάλυση των υποτύπων της ΡΑ, κάτι που μπορεί να βοηθήσει τους κλινικούς γιατρούς να επιλέξουν τη πιο κατάλληλη θεραπεία για κάθε ασθενή.
Η ομάδα ανέπτυξε και δοκίμασε τον αλγόριθμο σε δείγματα ΡΑ από ποντίκια, και στη συνέχεια σε δείγματα ασθενών από τη συνεργασία Accelerating Medicines Partnership Rheumatoid Arthritis. Ο αλγόριθμος αποδείχθηκε ικανός να αναγνωρίζει αποτελεσματικά τους κλινικούς υποτύπους της ΡΑ και να παρέχει νέες πληροφορίες για τις επιδράσεις των θεραπειών, όπως η μείωση της διάσπασης του χόνδρου. «Αυτό αποτελεί το πρώτο βήμα για μια πιο εξατομικευμένη φροντίδα της ΡΑ», σημείωσε ο Δρ. Bell. Η τεχνολογία μπορεί να αναγνωρίσει αλλαγές στους ιστούς που οι άνθρωποι μπορεί να παραβλέψουν και να μειώσει το χρόνο υποτύπωσης, μειώνοντας έτσι το κόστος και αυξάνοντας την αποτελεσματικότητα των κλινικών δοκιμών.
Η Δρ. Rainu Kaushal, πρύτανης κλινικής έρευνας στο Weill Cornell Medicine, τόνισε την αυξανόμενη επίδραση της τεχνητής νοημοσύνης στην εξατομικευμένη ιατρική και την προοπτική ανάπτυξης παρόμοιων εργαλείων για άλλες εκφυλιστικές νόσους, όπως η οστεοαρθρίτιδα.
