تبني أبن هارفارد نظام ذكاء اصطناعي متعدد الوسائط للتنبؤ بـ 14 نوعًا من السرطان

يمكن لنماذج الذكاء الاصطناعي متعددة الوسائط ، المدربة على أنواع عديدة من البيانات ، أن تساعد الأطباء في فحص المرضى المعرضين لخطر الإصابة بأنواع مختلفة من السرطانات بشكل أكثر دقة ..

طور باحثون من مستشفى بريغهام والنساء التابع لكلية الطب بجامعة هارفارد نموذجًا للتعلم العميق قادرًا على تحديد 14 نوعًا من السرطان. يتم تدريب معظم خوارزميات الذكاء الاصطناعي على اكتشاف علامات المرض من مصدر واحد للبيانات ، مثل الفحوصات الطبية ، ولكن هذا يمكن أن يأخذ مدخلات من مصادر متعددة. 

إن توقع ما إذا كان شخص ما معرضًا لخطر الإصابة بالسرطان ليس دائمًا أمرًا سهلاً ، وغالبًا ما يتعين على الأطباء استشارة أنواع مختلفة من المعلومات مثل تاريخ الرعاية الصحية للمريض أو إجراء اختبارات أخرى للكشف عن المؤشرات الحيوية الجينية.

يمكن أن تساعد هذه النتائج الأطباء في اكتشاف أفضل علاج للمريض أثناء مراقبة تطور المرض ، لكن تفسيرهم للبيانات يمكن أن يكون غير موضوعي ، فيصل محمود ، الأستاذ المساعد الذي يعمل في قسم علم الأمراض الحسابية في بريجهام والنساء. شرح المستشفى. 

يقوم الخبراء بتحليل العديد من الأدلة للتنبؤ بمدى جودة أداء المريض. تصبح هذه الفحوصات المبكرة أساس اتخاذ القرارات بشأن التسجيل في تجربة سريرية أو نظم علاجية محددة. لكن هذا يعني أن هذا التنبؤ متعدد الوسائط يحدث على مستوى الخبير. قال في أ بيان.

وصف محمود وزملاؤه كيف يمكن لنظام شامل واحد ، يتكون من العديد من الخوارزميات القائمة على التعلم العميق والمدرَّب على أشكال متعددة من البيانات ، أن يشخص ما يصل إلى 14 نوعًا مختلفًا من السرطان. استخدم الباحثون بيانات التدريب من أطلس جينوم السرطان (TCGA) ، وهو مورد عام يحتوي على بيانات عن أنواع مختلفة من السرطان تم الحصول عليها من أكثر من 5,000 مريض حقيقي ، بالإضافة إلى مصادر بيانات أخرى.

أولاً ، تم استخدام المشاهدات المجهرية لأنسجة الخلايا من صور الشرائح الكاملة (WSI) وبيانات الجينوم المستندة إلى النصوص لتدريب نموذجين منفصلين. ثم تم دمجها في نظام واحد للتنبؤ بما إذا كان المرضى معرضين لخطر الإصابة بأنواع السرطان المختلفة. زعم الباحثون أن النموذج قد يساعد العلماء في العثور على أو تأكيد العلامات الجينية المرتبطة بمرض معين. 

"باستخدام التعلم العميق ، والاندماج متعدد الوسائط للعلامات الحيوية الجزيئية والميزات المورفولوجية المستخرجة من WSIs لها تطبيقات سريرية محتملة ليس فقط في تحسين الدقة في التقسيم الطبقي لمخاطر المريض ولكن يمكن أن تساعد أيضًا في اكتشاف والتحقق من صحة المؤشرات الحيوية متعددة الوسائط حيث تكون التأثيرات التوليفية للأنسجة والعلامات الحيوية الجينومية غير معروف "، كتب الفريق في ورقة نشرت في خلية السرطان يوم الاثنين.

قال محمود السجل كانت الدراسة الحالية دليلاً على المفهوم في تطبيق النماذج متعددة الوسائط للتنبؤ بمخاطر الإصابة بالسرطان. واختتم قائلاً: "نحن بحاجة إلى تدريب هذه النماذج بمزيد من البيانات ، واختبار هذه النماذج على مجموعات اختبار مستقلة كبيرة وإجراء دراسات مستقبلية وتجارب إكلينيكية لإثبات فعالية هذه النماذج في بيئة سريرية". ®