הבופינים של הרווארד בונים מערכת AI מולטי-מודאלית כדי לחזות 14 סוגי סרטן

מודלים מולטי-מודאליים של בינה מלאכותית, מאומנים על סוגים רבים של נתונים, יכולים לעזור לרופאים לסנן חולים בסיכון לפתח מספר סוגי סרטן שונים בצורה מדויקת יותר.

חוקרים מבית החולים Brigham and Women's Hospital מבית הספר לרפואה של אוניברסיטת הרווארד פיתחו מודל למידה עמוקה המסוגל לזהות 14 סוגי סרטן. רוב האלגוריתמים של AI מאומנים לזהות סימני מחלה ממקור נתונים בודד, כמו סריקות רפואיות, אבל זה יכול לקבל תשומות ממקורות רבים. 

הניבוי אם מישהו נמצא בסיכון לפתח סרטן אינו תמיד פשוט, רופאים צריכים לעתים קרובות להתייעץ עם סוגים שונים של מידע כמו היסטוריית הבריאות של המטופל או לבצע בדיקות אחרות כדי לזהות סמנים ביולוגיים גנטיים.

תוצאות אלו יכולות לעזור לרופאים להבין את הטיפול הטוב ביותר עבור חולה כאשר הם עוקבים אחר התקדמות המחלה, אך הפרשנות שלהם לנתונים יכולה להיות סובייקטיבית, פייסל מחמוד, עוזר פרופסור העובד בחטיבה לפתולוגיה חישובית בבריגהם ונשים בית חולים, הסביר. 

"מומחים מנתחים ראיות רבות כדי לחזות עד כמה המטופל עשוי להצליח. בדיקות מוקדמות אלו הופכות לבסיס לקבלת החלטות לגבי הרשמה לניסוי קליני או משטרי טיפול ספציפיים. אבל זה אומר שהתחזית הרב-מודאלית הזו מתרחשת ברמת המומחה. אנחנו מנסים לטפל בבעיה באופן חישובי", אמר ב-a הצהרה.

מחמוד ועמיתיו תיארו כיצד מערכת כוללת אחת, המורכבת ממספר רב של אלגוריתמים מבוססי למידה עמוקה ומאומנת על צורות מרובות של נתונים, יכולה לאבחן עד 14 סוגי סרטן שונים. החוקרים השתמשו בנתוני אימון מ-The Cancer Genome Atlas (TCGA), משאב ציבורי המכיל נתונים על סוגים שונים של סרטן שהתקבלו מלמעלה מ-5,000 חולים אמיתיים, כמו גם מקורות נתונים אחרים.

ראשית, תצוגות מיקרוסקופיות של רקמות תאים מתמונות שקופיות שלמות (WSIs) ונתונים גנומיים מבוססי טקסט שימשו לאימון שני מודלים נפרדים. אלה שולבו לאחר מכן למערכת אחת כדי לחזות אם החולים נמצאים בסיכון גבוה או נמוך לפתח את סוגי הסרטן השונים. המודל עשוי אפילו לעזור למדענים למצוא או לאשר סמנים גנטיים הקשורים למחלה מסוימת, טענו החוקרים. 

"לשימוש בלמידה עמוקה, מיזוג רב-מודאלי של סמנים ביולוגיים מולקולריים ומאפיינים מורפולוגיים מופקים מ-WSIs יש יישום קליני פוטנציאלי לא רק בשיפור הדיוק בריבוד סיכוני חולים אלא יכול גם לסייע בגילוי ואימות של סמנים ביולוגיים מולטי-מודאליים שבהם השפעות משולבות של היסטולוגיה וסמנים ביולוגיים גנומיים. לא ידוע", כתב הצוות בעיתון לאור בתא הסרטן ביום שני.

מחמוד סיפר הקופה המחקר הנוכחי היווה הוכחה למושג ליישום מודלים מולטי-מודאליים לניבוי סיכון לסרטן. "אנחנו צריכים לאמן את המודלים האלה עם הרבה יותר נתונים, לבדוק את המודלים האלה על קבוצות בדיקה עצמאיות גדולות ולהריץ מחקרים פרוספקטיביים וניסויים קליניים כדי לבסס את היעילות של המודלים האלה בסביבה קלינית", סיכם. ®