Uus uuring ajakirjas *Biology Methods & Protocols* näitab, kuidas selgitatav tehisintellekt (XAI), mis on integreeritud maskeeritud loomade tuvastamise algoritmiga, võib aidata tuvastada inimaju vähki, ühendades neuroteaduse ja onkoloogia valdkondi. Uuringu viis läbi dr Arash Yazdanbakhsh ja tema meeskond Bostonis Ülikoolis ning see on esimene, kus rakendatakse loomade maskeeringu ülekandeõpet sügavate närvivõrkude treenimisel kasvajate avastamiseks. Maailma Terviseorganisatsiooni andmetel diagnoositi 2022. aastal üle maailma üle 321 000 uue ajukasvaja ja 248 500 surmajuhtumit. USA-s diagnoositakse igal aastal umbes 90 000 ajukasvajat, millest umbes 25 200 on pahaloomulised. Glioblastoom, kõige surmavam ajukasvaja tüüp, moodustab 50% kõigist esmastest pahaloomulistest kasvajatest USA-s, põhjustades tõsiseid ellujäämisvõimalusi. Esmased ajukasvajad võivad tekkida ajus (gliaalkasvajad ja gliomid) ning erineda metastaatilistest kasvajatest.

Aju sisaldab neuroneid ja gliat, kusjuures glia moodustab umbes 50% kesknärvisüsteemist, olles selle moodustamisel ja funktsioneerimisel ülioluline. Selles uuringus kasutatakse ainulaadselt AI-d, mis on välja õpetatud maskeeritud loomade tuvastamiseks, et tuvastada ajukasvajaid MRI skaneeringutest, tõmmates paralleele vähirakkude ja maskeeringu vahel. AI-võrk, mis oli algselt loodud varjatud loomade tuvastamiseks, kohandati klassifitseerima T1- ja T2-kaalutud MRI pilte, kasutades kahte mudelit: T1Net ja T2Net, tuvastades erinevaid aju piirkondi. Teadlased kasutasid funktsioonide visualiseerimist, pildi saliency kaartide loomist ning AI-mudeli omadusi, et suurendada kasvaja avastamise täpsust. Gliomide andmed pärinesid peamiselt Vähikujutiste Arhiivist ja Kaggle andmebaasidest, normaalseid MRI andmeid kasutati kontrolliks. AI mudelid saavutasid pea täiuslikud täpsused, kusjuures ülekandeõpe tõstis märkimisväärselt T2Neti tulemusi, jõudes astrotsütoomide täpsuseni 92, 2%. Kvalitatiivsed XAI meetodid võimaldasid visualiseerida AI treenimist ja otsustusprotsesse, tuues esile erinevate kasvajatüüpide potentsiaalsed omadused. See edasiminek AI sügavõppes pakub potentsiaali olla mitteinvasiivne tööriist meditsiiniprofessionaalidele, et eristada vähkkasva kasvajad mittevähilistest ajukasvajadest, aidates kaasa tulevastele kliinilistele rakendustele.