Peti mati Harvard membangun sistem AI multimodal untuk memprediksi 14 jenis kanker

Model AI multimodal, yang dilatih pada berbagai jenis data, dapat membantu dokter menyaring pasien yang berisiko mengembangkan berbagai jenis kanker dengan lebih akurat..

Para peneliti dari Brigham and Women's Hospital bagian dari sekolah kedokteran Universitas Harvard mengembangkan model pembelajaran mendalam yang mampu mengidentifikasi 14 jenis kanker. Sebagian besar algoritme AI dilatih untuk menemukan tanda-tanda penyakit dari satu sumber data, seperti pemindaian medis, tetapi yang satu ini dapat mengambil masukan dari berbagai sumber. 

Memprediksi apakah seseorang berisiko terkena kanker tidak selalu semudah itu, dokter sering kali harus berkonsultasi dengan berbagai jenis informasi seperti riwayat kesehatan pasien atau melakukan tes lain untuk mendeteksi biomarker genetik.

Hasil ini dapat membantu dokter mengetahui pengobatan terbaik untuk pasien saat mereka memantau perkembangan penyakit, tetapi interpretasi data mereka bisa subjektif, Faisal Mahmood, asisten profesor yang bekerja di Divisi Patologi Komputasi di Brigham and Women's Rumah Sakit, jelas. 

“Para ahli menganalisis banyak bukti untuk memprediksi seberapa baik pasien dapat melakukannya. Pemeriksaan awal ini menjadi dasar pengambilan keputusan untuk mendaftar dalam uji klinis atau rejimen pengobatan tertentu. Tapi itu berarti prediksi multimodal ini terjadi di tingkat ahli. Kami mencoba untuk mengatasi masalah secara komputasi, ”katanya dalam sebuah pernyataan.

Mahmood dan rekan-rekannya menjelaskan bagaimana satu sistem menyeluruh, yang terdiri dari banyak algoritma berbasis pembelajaran mendalam dan dilatih pada berbagai bentuk data, dapat mendiagnosis hingga 14 jenis kanker yang berbeda. Para peneliti menggunakan data pelatihan dari The Cancer Genome Atlas (TCGA), sumber daya publik yang berisi data tentang berbagai jenis kanker yang diperoleh dari lebih dari 5,000 pasien nyata, serta sumber data lainnya.

Pertama, pandangan mikroskopis jaringan sel dari gambar seluruh slide (WSI) dan data genomik berbasis teks digunakan untuk melatih dua model terpisah. Ini kemudian diintegrasikan ke dalam satu sistem untuk memprediksi apakah pasien berisiko tinggi atau rendah mengembangkan berbagai jenis kanker. Model tersebut bahkan dapat membantu para ilmuwan menemukan atau mengkonfirmasi penanda genetik yang terkait dengan penyakit tertentu, klaim para peneliti. 

“Menggunakan pembelajaran mendalam, fusi multimodal biomarker molekuler dan fitur morfologi yang diekstraksi dari WSI memiliki aplikasi klinis potensial tidak hanya meningkatkan presisi dalam stratifikasi risiko pasien tetapi juga dapat membantu dalam penemuan dan validasi biomarker multimodal di mana efek kombinasi dari histologi dan biomarker genomik tidak diketahui,” tulis tim tersebut dalam sebuah makalah diterbitkan di Cancer Cell pada hari Senin.

Mahmud mengatakan Pendaftaran penelitian saat ini adalah bukti konsep dalam menerapkan model multimodal untuk memprediksi risiko kanker. “Kita perlu melatih model-model ini dengan lebih banyak data, menguji model-model ini pada kelompok uji independen yang besar dan menjalankan studi prospektif dan uji klinis untuk menetapkan kemanjuran model-model ini dalam pengaturan klinis,” ia menyimpulkan. ®