Wissenschaftler haben künstliche Intelligenz zur Klassifizierung von Gehirntumoren entwickelt
Zuletzt überprüft: 14.06.2024
Alle iLive-Inhalte werden medizinisch überprüft oder auf ihre Richtigkeit überprüft.
Wir haben strenge Beschaffungsrichtlinien und verlinken nur zu seriösen Medienseiten, akademischen Forschungseinrichtungen und, wenn möglich, medizinisch begutachteten Studien. Beachten Sie, dass die Zahlen in Klammern ([1], [2] usw.) anklickbare Links zu diesen Studien sind.
Wenn Sie der Meinung sind, dass einer unserer Inhalte ungenau, veraltet oder auf andere Weise bedenklich ist, wählen Sie ihn aus und drücken Sie Strg + Eingabe.
Forscher der Australian National University (ANU) haben ein neues künstliches Intelligenz-Tool entwickelt, um Hirntumore schneller und genauer zu klassifizieren.
Laut Dr. Dan-Thai Hoang ist die Genauigkeit bei der Diagnose und Klassifizierung von Tumoren entscheidend für die wirksame Behandlung von Patienten.
„Der aktuelle Goldstandard zur Identifizierung verschiedener Arten von Hirntumoren ist die auf DNA-Methylierung basierende Profilierung“, sagte Dr. Hoang.
„Die DNA-Methylierung fungiert als Schalter zur Steuerung der Genaktivität und bestimmt, welche Gene an- oder ausgeschaltet sind.
„Aber der Zeitaufwand für die Durchführung dieser Art von Tests kann ein erheblicher Nachteil sein, da er oft Wochen oder mehr in Anspruch nimmt, wenn Patienten schnelle Entscheidungen über die Therapie treffen müssen.
Überblick über Datensätze und rechnergestützter Workflow. Quelle: Nature Medicine (2024). DOI: 10.1038/s41591-024-02995-8
„Außerdem sind solche Tests nicht in fast allen Krankenhäusern der Welt verfügbar.“
Um diese Herausforderungen zu bewältigen, haben Forscher der ANU in Zusammenarbeit mit Experten des National Cancer Institute in den USA DEPLOY entwickelt, eine Methode zur Vorhersage der DNA-Methylierung und anschließenden Klassifizierung von Hirntumoren in 10 Hauptsubtypen.
DEPLOY verwendet mikroskopische Bilder des Gewebes des Patienten, sogenannte histopathologische Bilder.
Das Modell wurde anhand großer Datensätze von etwa 4.000 Patienten aus den USA und Europa trainiert und getestet. Veröffentlicht in der Zeitschrift Nature Medicine.
„Überraschenderweise erreichte DEPLOY eine beispiellose Genauigkeit von 95 %“, sagte Dr. Hoang.
„Darüber hinaus konnte DEPLOY bei der Analyse einer Teilmenge von 309 besonders schwer zu klassifizierenden Proben eine Diagnose stellen, die klinisch aussagekräftiger war als die ursprünglich von Pathologen gestellte.
„Dies zeigt die potenzielle Rolle von DEPLOY in der Zukunft als zusätzliches Instrument, das die Erstdiagnose des Pathologen ergänzt oder im Falle von Unstimmigkeiten sogar eine Neubewertung erforderlich macht.“
Forscher glauben, dass DEPLOY irgendwann zur Klassifizierung anderer Krebsarten verwendet werden könnte.
Die Ergebnisse der Studie wurden in der Zeitschrift Nature Medicine veröffentlicht.