Βρείτε μας στο Google News. Πατήστε εδώ!Μια νέα δημοσίευση στο Biology Methods & Protocols δείχνει ότι μπορεί σύντομα να είναι δυνατό για τους γιατρούς να χρησιμοποιούν τεχνητή νοημοσύνη (AI) για να ανιχνεύσουν και να διαγνώσουν τον καρκίνο σε ασθενείς, επιτρέποντας την έγκαιρη θεραπεία. Ο καρκίνος παραμένει μια από τις πιο δύσκολες ανθρώπινες ασθένειες, με πάνω από 19 εκατομμύρια περιπτώσεις και 10 εκατομμύρια θανάτους ετησίως. Η εξελικτική φύση του καρκίνου καθιστά δύσκολη τη θεραπεία όγκων όψιμου σταδίου.
Η γενετική πληροφορία κωδικοποιείται στο DNA από μοτίβα των τεσσάρων βάσεων – που συμβολίζονται με A, T, G και C – που συνθέτουν τη δομή του. Οι περιβαλλοντικές αλλαγές έξω από το κύτταρο μπορεί να προκαλέσουν την τροποποίηση ορισμένων βάσεων DNA με την προσθήκη μιας μεθυλικής ομάδας. Αυτή η διαδικασία ονομάζεται «μεθυλίωση DNA». Κάθε μεμονωμένο κύτταρο διαθέτει εκατομμύρια από αυτά τα σημάδια μεθυλίωσης του DNA. Οι ερευνητές έχουν παρατηρήσει αλλαγές σε αυτά τα σημάδια στην πρώιμη ανάπτυξη του καρκίνου που θα μπορούσαν να βοηθήσουν στην έγκαιρη διάγνωση του καρκίνου. Είναι δυνατό να εξεταστεί ποιες βάσεις στο DNA είναι μεθυλιωμένες στους καρκίνους και σε ποιο βαθμό, σε σύγκριση με τον υγιή ιστό.
Η αναγνώριση των συγκεκριμένων υπογραφών μεθυλίωσης του DNA που ενδεικτικά διαφορετικών τύπων καρκίνου είναι παρόμοια με την αναζήτηση βελόνας σε μια θημωνιά. Εδώ είναι που οι ερευνητές που συμμετέχουν σε αυτή τη μελέτη πιστεύουν ότι η τεχνητή νοημοσύνη μπορεί να βοηθήσει. Ερευνητές από το Πανεπιστήμιο του Κέμπριτζ και το Imperial College του Λονδίνου εκπαίδευσαν έναν τρόπο τεχνητής νοημοσύνης, χρησιμοποιώντας έναν συνδυασμό μηχανικής και βαθιάς μάθησης, για να εξετάσουν τα πρότυπα μεθυλίωσης του DNA και να αναγνωρίσουν 13 διαφορετικούς τύπους καρκίνου (συμπεριλαμβανομένων των καρκίνων του μαστού, του ήπατος, του πνεύμονα και του προστάτη) από μη καρκινικό ιστό με ακρίβεια 98,2%.
Αυτό το μοντέλο βασίζεται σε δείγματα ιστού (όχι θραύσματα DNA στο αίμα) και θα χρειαζόταν πρόσθετη εκπαίδευση και δοκιμή σε μια πιο ποικίλη συλλογή δειγμάτων βιοψίας για να είναι έτοιμα για κλινική χρήση. Οι ερευνητές εδώ πιστεύουν ότι μια σημαντική πτυχή αυτής της μελέτης ήταν η χρήση ενός εξηγήσιμου και ερμηνεύσιμου βασικού μοντέλου τεχνητής νοημοσύνης, το οποίο παρείχε πληροφορίες για το σκεπτικό πίσω από τις προβλέψεις του. Οι ερευνητές διερεύνησαν τις εσωτερικές λειτουργίες του μοντέλου τους και έδειξαν ότι το μοντέλο ενισχύει και ενισχύει την κατανόηση των υποκείμενων διαδικασιών που συμβάλλουν στον καρκίνο.
Ο εντοπισμός αυτών των ασυνήθιστων προτύπων μεθυλίωσης (δυνητικά από βιοψίες) θα επιτρέψει στους παρόχους υγειονομικής περίθαλψης να ανιχνεύσουν έγκαιρα τον καρκίνο. Αυτό θα μπορούσε ενδεχομένως να βελτιώσει δραματικά τα αποτελέσματα των ασθενών, καθώς οι περισσότεροι καρκίνοι είναι ιάσιμοι ή ιάσιμοι εάν εντοπιστούν αρκετά έγκαιρα. «Υπολογιστικές μέθοδοι όπως αυτό το μοντέλο, μέσω καλύτερης εκπαίδευσης σε πιο ποικίλα δεδομένα και αυστηρών δοκιμών στην κλινική, θα παράσχουν τελικά μοντέλα τεχνητής νοημοσύνης που μπορούν να βοηθήσουν τους γιατρούς στην έγκαιρη ανίχνευση και προσυμπτωματικό έλεγχο των καρκίνων», δήλωσε ο επικεφαλής συγγραφέας της εργασίας, Shamith Samarajiwa. «Αυτό θα προσφέρει καλύτερα αποτελέσματα στους ασθενείς».
