Мультимодальные модели ИИ, обученные на многочисленных типах данных, могут помочь врачам более точно обследовать пациентов с риском развития нескольких различных видов рака.
Исследователи из Brigham and Women’s Hospital, входящей в состав медицинской школы Гарвардского университета, разработали модель глубокого обучения, способную идентифицировать 14 типов рака. Большинство алгоритмов искусственного интеллекта обучены выявлять признаки заболевания из одного источника данных, например медицинских сканирований, но этот алгоритм может принимать данные из нескольких источников.
Предсказать, подвержен ли кто-то риску развития рака, не всегда так просто, врачам часто приходится обращаться к различным типам информации, таким как история болезни пациента, или выполнять другие тесты для обнаружения генетических биомаркеров.
Эти результаты могут помочь врачам определить наилучшее лечение для пациента, поскольку они наблюдают за прогрессированием заболевания, но их интерпретация данных может быть субъективной, считает Фейсал Махмуд, доцент, работающий в Отделе компьютерной патологии в Бригаме и Женской больнице. Больница, пояснил.
«Эксперты анализируют множество доказательств, чтобы предсказать, насколько хорошо пациент может себя чувствовать. Эти ранние обследования становятся основой для принятия решений о включении в клиническое исследование или конкретных схемах лечения. Но это означает, что это мультимодальное прогнозирование происходит на уровне эксперта. , Мы пытаемся решить проблему с помощью вычислений», — сказал он в своем заявлении.
Махмуд и его коллеги описали, как единая всеобъемлющая система, состоящая из множества алгоритмов на основе глубокого обучения и обученная на различных формах данных, может диагностировать до 14 различных видов рака. Исследователи использовали обучающие данные из The Cancer Genome Atlas (TCGA), общедоступного ресурса, содержащего данные о различных типах рака, полученные от более чем 5000 реальных пациентов, а также из других источников данных.
Во-первых, для обучения двух отдельных моделей использовались микроскопические изображения клеточных тканей из изображений всего предметного стекла (WSI) и текстовые данные геномики. Затем они были объединены в единую систему, чтобы предсказать, имеют ли пациенты высокий или низкий риск развития различных типов рака. Исследователи заявили, что модель может даже помочь ученым найти или подтвердить генетические маркеры, связанные с определенным заболеванием.
«Использование глубокого обучения, мультимодальное слияние молекулярных биомаркеров и извлеченных морфологических признаков из WSI имеет потенциальное клиническое применение не только для повышения точности стратификации риска для пациентов, но также может помочь в обнаружении и проверке мультимодальных биомаркеров, где комбинированные эффекты гистологии и геномных биомаркеров являются важными. неизвестно», — написала команда в статье, опубликованной в Cancer Cell в понедельник.
Махмуд сказал Регистр текущее исследование было доказательством концепции применения мультимодальных моделей для прогнозирования риска рака. «Нам нужно обучать эти модели с гораздо большим количеством данных, тестировать эти модели на больших независимых тестовых когортах и проводить проспективные исследования и клинические испытания, чтобы установить эффективность этих моделей в клинических условиях», — заключил он. ®
