Predicția originii tumorii în cancerele de origine primară necunoscută cu ajutorul inteligenței artificiale
Autor: Camelia Airinei, senior editor | actualizat la 22-04-2024
Bolile canceroase cu punct de plecare necunoscut sunt o provocare majoră în oncologie, fiind diagnosticate prin metode histopatologice ca metastaze, dar fără a putea fi localizată originea prin metodele diagnostice obișnuite. Aceste afecțiuni se manifestă adesea prin efuziuni seroase și au un prognostic nefavorabil, tratamentele actuale fiind insuficient de eficace.
Studiul publicat în Nature Medicine introduce abordarea TORCH, un algoritm de învățare profundă destinat diferențierii originii tumorilor pe baza histologiei citologice. Această metodă se bazează pe utilizarea imaginilor citologice provenite de la pacienți cu hidrotorax și ascită pentru a recunoaște malignitatea și a prezice originea tumorilor.
TORCH utilizează patru rețele neuronale independente pentru a antrena 12 modele diferite, folosind imagini citologice pentru a dezvolta un model de diagnostic bazat pe inteligență artificială. Aceasta a fost testată pe seturi independente de imagini, folosind date din patru instituții majore, totalizând 90.572 de imagini citologice de la 76.183 de pacienți cu cancer.
Modelul a demonstrat o acuratețe și generalizabilitate remarcabile în diferite seturi de testare, atingând o acuratețe de top-1 de 83% și o acuratețe de top-3 de 99%. TORCH a îmbunătățit semnificativ performanțele patologilor juniori în diagnosticare, comparativ cu interpretările manuale anterioare.
Analiza supraviețuirii a indicat că pacienții cu cancer cu localizare de origine necunoscută, a căror terapie inițială corespundea originii estimate de TORCH, au avut o rată de supraviețuire mai mare comparativ cu cei tratați discordant. Studiul a evidențiat și dificultățile tehnice întâmpinate în interpretarea probelor de calitate slabă, precum și necesitatea unei prelucrări manuale atente pentru a minimiza erorile de diagnosticare ale AI.
Concluziile studiului susțin eficacitatea modelului TORCH în practica clinică pentru identificarea originii sistemului primar al celulelor maligne în cazurile de hidrotorax și ascită, oferind suport în luarea deciziilor clinice pentru pacienții cu tumori de origine necunoscută, îmbunătățind selecția terapeutică și contribuind la gestionarea eficientă a acestor cazuri complexe.
sursa: News Medical
Studiul publicat în Nature Medicine introduce abordarea TORCH, un algoritm de învățare profundă destinat diferențierii originii tumorilor pe baza histologiei citologice. Această metodă se bazează pe utilizarea imaginilor citologice provenite de la pacienți cu hidrotorax și ascită pentru a recunoaște malignitatea și a prezice originea tumorilor.
TORCH utilizează patru rețele neuronale independente pentru a antrena 12 modele diferite, folosind imagini citologice pentru a dezvolta un model de diagnostic bazat pe inteligență artificială. Aceasta a fost testată pe seturi independente de imagini, folosind date din patru instituții majore, totalizând 90.572 de imagini citologice de la 76.183 de pacienți cu cancer.
Modelul a demonstrat o acuratețe și generalizabilitate remarcabile în diferite seturi de testare, atingând o acuratețe de top-1 de 83% și o acuratețe de top-3 de 99%. TORCH a îmbunătățit semnificativ performanțele patologilor juniori în diagnosticare, comparativ cu interpretările manuale anterioare.
Analiza supraviețuirii a indicat că pacienții cu cancer cu localizare de origine necunoscută, a căror terapie inițială corespundea originii estimate de TORCH, au avut o rată de supraviețuire mai mare comparativ cu cei tratați discordant. Studiul a evidențiat și dificultățile tehnice întâmpinate în interpretarea probelor de calitate slabă, precum și necesitatea unei prelucrări manuale atente pentru a minimiza erorile de diagnosticare ale AI.
Concluziile studiului susțin eficacitatea modelului TORCH în practica clinică pentru identificarea originii sistemului primar al celulelor maligne în cazurile de hidrotorax și ascită, oferind suport în luarea deciziilor clinice pentru pacienții cu tumori de origine necunoscută, îmbunătățind selecția terapeutică și contribuind la gestionarea eficientă a acestor cazuri complexe.
sursa: News Medical
Actualizat la 22-04-2024 | Vizite: 77 | bibliografie
Alte articole:
- Screeningul genetic BRCA1/BRCA2: cui se recomandă și ce înseamnă un rezultat pozitiv
- Testul PSA: când îl faci, cum îl interpretezi și ce înseamnă un rezultat ridicat
- Cancer de sân: depistare precoce, factori de risc și tratament 2026
- Dislipidemia la pacienții cu cancer: riscul cardiovascular subestimat și opțiuni terapeutice — EHJ 2026
- Amiloidoza AL în era daratumumab: factori prognostici și biomarkeri pentru era modernă
- Fulvestrantul ca terapie de menținere dublează supraviețuirea fără progresie față de capecitabină în cancerul mamar metastatic HR+/HER2−
- Imunoterapia adăugată chimioterapiei neoadjuvante crește rata de răspuns patologic complet în cancerul mamar triplu-negativ precoce
- Estradiolul transdermic, non-inferior agoniștilor LHRH în cancerul de prostată local avansat, cu profil mai bun de tolerabilitate osoasă și metabolică
- Dinamica ADN tumoral circulant prezice rezultatele clinice în cancerul colorectal metastatic tratat cu cetuximab
- Corelate imune sistemice ale supraviețuirii pe termen lung după terapie combinată cu adenovirus oncolitic și interferon gamma în gliomul de grad înalt
- Tucidinostat adăugat la R-CHOP îmbunătățește supraviețuirea în limfomul DLBCL cu dublu-expresor MYC/BCL2
- Limfomul din celule de manta: ibrutinib fără transplant autolog este non-inferior regimului standard cu transplant la 4,5 ani de urmărire
- Darolutamida controlează durerea și menține calitatea vieții în cancerul de prostată metastatic hormono-sensibil — date ARANOTE Lancet Oncology
- PSA seric la 6, 12 și 24 de săptămâni prezice puternic supraviețuirea globală în cancerul de prostată metastatic și cu risc înalt — date STAMPEDE
- DUSP21 resensibilizează celulele de leucemie mieloidă cronică rezistente la imatinib la acțiunea ponatinibului prin diferențiere eritroidă mediată de GATA-1