Σε αυτό που αναμένεται να γίνει μια τυπική πρακτική, η τεχνητή νοημοσύνη χρησιμοποιείται για την ανίχνευση σημείων καρκίνου με μεγαλύτερη ακρίβεια από εκείνη των εκπαιδευμένων ανθρώπινων επαγγελματιών. Αυτό το προηγμένο μοντέλο AI καυχάται για ποσοστό επιτυχίας σχεδόν 100% και σηματοδοτεί σημαντικές εξελίξεις στη διάγνωση του καρκίνου. Μια διεθνής συνεργασία επιστημόνων, συμπεριλαμβανομένων ερευνητών από το Πανεπιστήμιο Charles Darwin της Αυστραλίας (CDU), έχει δημιουργήσει ένα καινοτόμο μοντέλο AI με το όνομα ECgMPL. Αυτό το μοντέλο μπορεί να αναλύει μικροσκοπικές εικόνες κυττάρων και ιστών για να εντοπίζει τον ενδομητρικό καρκίνο—έναν από τους πιο διαδεδομένους τύπους αναπαραγωγικών όγκων—με εντυπωσιακή ακρίβεια 99, 26%. Οι ερευνητές υποδεικνύουν επίσης ότι μπορεί να προσαρμοστεί για την ανίχνευση μιας ευρείας γκάμας ασθενειών, συμπεριλαμβανομένων του καρκίνου του παχέος εντέρου και του καρκίνου του στόματος. "Το μοντέλο ECgMLP υπερβαίνει τις υπάρχουσες μεθόδους με ακρίβεια 99, 26%, ξεπερνώντας την απόδοση της μεταφοράς μάθησης και των ειδικών μοντέλων που εξετάστηκαν στην έρευνα, διατηρώντας παράλληλα την υπολογιστική αποδοτικότητα, " δήλωσε ο Δρ. Asif Karim, co-author από το CDU. "Βελτιστοποιημένο μέσω αποκοπτικών μελετών, μηχανισμών αυτοπροσοχής και αποτελεσματικής εκπαίδευσης, το ECgMLP επιδεικνύει ισχυρή γενίκευση σε διάφορες βάσεις δεδομένων ιστοπαθολογίας, καθιστώντας το ένα αξιόπιστο και κλινικά εφαρμόσιμο εργαλείο για τη διάγνωση του ενδομητρικού καρκίνου. " Με απλά λόγια, αυτό το καθιερωμένο μοντέλο μπορεί να αναλύσει μικροσκοπικές σαρώσεις—γνωστές ως ιστοπαθολογικές εικόνες—βελτιώνοντας την ποιότητά τους για να εντοπίσει πρώιμα στάδια καρκίνου. Επικεντρώνεται σε συγκεκριμένες περιοχές των σαρώσεων για να εντοπίσει προβληματικές αναπτύξεις που μπορεί να μην είναι ορατές με γυμνό μάτι.

Οι τρέχουσες διαγνώσεις που γίνονται από ανθρώπους αποφέρουν ποσοστά ακρίβειας γύρω στο 78, 91% έως 80, 93%. Ενώ ο ενδομητρικός καρκίνος είναι θεραπεύσιμος και προσφέρει ευνοϊκά ποσοστά πενταετούς επιβίωσης όταν ανιχνεύεται νωρίς, η πρόγνωσή του επιδεινώνεται σημαντικά μόλις εξαπλωθεί πέρα από τη μήτρα, υπογραμμίζοντας τη σημασία της έγκαιρης διάγνωσης για τη σωτηρία ζωών. Αυτή τη στιγμή, πάνω από 600. 000 Αμερικανοί αντιμετωπίζουν αυτή την ασθένεια. Αν και μπορεί να μην επηρεάζει άμεσα το μισό πληθυσμό, οι ερευνητές τονίζουν ότι οι δυνατότητες του ECgMLP εκτείνονται πολύ πέρα από αυτά για τα οποία έχει ειδικά εκπαιδευτεί. "Η ίδια μεθοδολογία μπορεί να επιταχύνει την πρώιμη ανίχνευση και διάγνωση άλλων ασθενειών, βελτιώνοντας τελικά τα αποτελέσματα για τους ασθενείς, " ανέφερε η co-author Niusha Shafiabady, αναπληρώτρια καθηγήτρια στο ACU. "Αξιολογήσαμε το μοντέλο σε διάφορες βάσεις δεδομένων ιστοπαθολογικών εικόνων, επιτυγχάνοντας ακρίβεια 98, 57% στη διάγνωση του καρκίνου του παχέος εντέρου, 98, 20% στον καρκίνο του μαστού και 97, 34% στον καρκίνο του στόματος. " Αυτό το εργαλείο AI δεν προορίζεται να αντικαταστήσει τους ιατρούς, αλλά μάλλον να βοηθήσει τους ειδικούς του καρκίνου στην ακριβή ανίχνευση της ασθένειας και στην παρακολούθηση της αποτελεσματικότητας της θεραπείας. Επιπλέον, αυτό το μοντέλο προσφέρει μια πολύ πιο γρήγορη, προσβάσιμη και οικονομικά αποδοτική μέθοδο διάγνωσης καρκίνων. "Το θεμελιώδες μοντέλο AI που αναπτύχθηκε σε αυτή την έρευνα θα μπορούσε να χρησιμεύσει ως ο πυρήνας ενός λογισμικού σχεδιασμένου να βοηθά τους γιατρούς στη λήψη αποφάσεων σχετικά με τις διαγνώσεις καρκίνου, " πρόσθεσε η Shafiabady. "Η έγκαιρη και ακριβής ανίχνευση του ενδομητρικού καρκίνου είναι ζωτικής σημασίας για την αποτελεσματική θεραπεία και διαχείριση, " τόνισαν οι ερευνητές. "Η ταξινόμηση του ενδομητρικού καρκίνου μέσω ιστοπαθολογικών εικόνων έχει γίνει αποτελεσματικά με υψηλότερη απόδοση, ανώτερη ακρίβεια και βελτιωμένο χρόνο επεξεργασίας, χρησιμοποιώντας αλγόριθμους βαθιάς μάθησης. " Η μελέτη δημοσιεύτηκε στο περιοδικό Computer Methods and Programs in Biomedicine Update.