Νέα τεχνολογία τεχνητής νοημοσύνης αποκωδικοποιεί το γονιδίωμα που συνδέεται με τον καρκίνο του εγκεφάλου

Νέα τεχνολογία τεχνητής νοημοσύνης αποκωδικοποιεί το γονιδίωμα που συνδέεται με τον καρκίνο του εγκεφάλου

Τεχνητή νοημοσύνη αποκωδικοποιεί το γονιδίωμα του καρκίνου του εγκεφάλου κατά τη διάρκεια χειρουργικής επέμβασης για την αφαίρεσή του.

Η δημιουργία του προφίλ του καρκινικού όγκου μέσω του νέου εργαλείου τεχνητής νοημοσύνης σε πραγματικό χρόνο μπορεί να παρέχει καθοδήγηση στις χειρουργικές θεραπευτικές αποφάσεις. Η έρευνα δημοσιεύτηκε στο περιοδικό Med.

Η επιστημονική ομάδα, με επικεφαλής την Ιατρική Σχολή του Χάρβαρντ, σχεδίασε ένα εργαλείο τεχνητής νοημοσύνης που μπορεί να αποκωδικοποιήσει γρήγορα κατά τη διάρκεια χειρουργικής επέμβασης το DNA ενός όγκου καρκίνου στον εγκέφαλο, προκειμένου να προσδιορίσει τη μοριακή του ταυτότητα.

Οι πληροφορίες αυτές είναι κρίσιμες, καθώς με την τρέχουσα προσέγγιση μπορεί να χρειαστούν από μερικές ημέρες έως και μερικές εβδομάδες για να συλλεχθούν.

Πόσο χρήσιμο είναι για τους νευροχειρούργους
Η γνώση του μοριακού τύπου ενός όγκου επιτρέπει στους νευροχειρούργους να λαμβάνουν αποφάσεις, όπως πόση ποσότητα εγκεφαλικού ιστού θα αφαιρεθεί και εάν θα χορηγηθούν αντικαρκινικά φάρμακα απευθείας στον εγκέφαλο την ώρα του χειρουργείου. Πέρα από τις αποφάσεις που λαμβάνονται κατά τη διάρκεια της χειρουργικής επέμβασης, η γνώση του μοριακού τύπου ενός όγκου παρέχει ενδείξεις σχετικά με την επιθετικότητα, τη συμπεριφορά και την πιθανή ανταπόκρισή του στις διάφορες θεραπείες.

Το εργαλείο τεχνητής νοημοσύνης ονομάζεται CHARM (Cryosection Histopathology Assessment and Review Machine) και αναπτύχθηκε χρησιμοποιώντας 2.334 δείγματα όγκων εγκεφάλου από 1.524 άτομα με γλοίωμα. Όταν δοκιμάστηκε, διέκρινε όγκους με συγκεκριμένες μοριακές μεταλλάξεις με ακρίβεια 93% και ταξινόμησε επιτυχώς τρεις κύριους τύπους γλοιωμάτων με διακριτά μοριακά χαρακτηριστικά.

Επίσης, κατέγραψε με επιτυχία τα οπτικά χαρακτηριστικά του ιστού που περιβάλλει τα κακοήθη κύτταρα και εντόπισε κλινικά σημαντικές μοριακές μεταβολές σε έναν υπότυπο γλοιώματος που είναι λιγότερο επιθετικός και επομένως λιγότερο πιθανό να εισβάλει στον περιβάλλοντα ιστό.

Τέλος, συνέδεσε την εμφάνιση των κυττάρων με το μοριακό προφίλ του όγκου και αυτό σημαίνει ότι ο αλγόριθμος μπορεί να εντοπίσει με ακρίβεια πώς η εμφάνιση ενός κυττάρου σχετίζεται με τον μοριακό τύπο ενός όγκου.

Διαθέσιμο δωρεάν σε ερευνητές
Το εργαλείο είναι δωρεάν διαθέσιμο σε άλλους ερευνητές. Ωστόσο, πρέπει ακόμη να επιβεβαιωθεί η αξία του κλινικά, μέσω δοκιμών σε πραγματικές συνθήκες και να εγκριθεί από τον FDA πριν από την αξιοποίησή του στα νοσοκομεία, όπως σημειώνει η ερευνητική ομάδα. Εξάλλου, οι ερευνητές επισημαίνουν ότι ενώ το μοντέλο εκπαιδεύτηκε και δοκιμάστηκε σε δείγματα γλοιώματος, θα μπορούσε να επανεκπαιδευτεί με επιτυχία για τον εντοπισμό και άλλων υπότυπων καρκίνου του εγκεφάλου.

«Η δυνατότητα προσδιορισμού της διεγχειρητικής μοριακής διάγνωσης σε πραγματικό χρόνο κατά τη διάρκεια της χειρουργικής επέμβασης μπορεί να προωθήσει την ανάπτυξη της ογκολογίας ακριβείας σε πραγματικό χρόνο», επισημαίνει ο επικεφαλής συγγραφέας της μελέτης και επίκουρος καθηγητής Βιοϊατρικής Πληροφορικής στην Ιατρική Σχολή του Χάρβαρντ, Κουν-Χσινγκ Γιου.

Δείτε επίσης: Δ. Παπαστεργίου: «Ετοιμάζεται το νέο “gov.gr” – Τα έργα που… τρέχουν θα κάνουν τη διαφορά»

Loading

Play