Egy új gépi tanulási modell a Cambridge-i kutatók szerint felgyorsíthatja a korai rákfelismerést, diagnózist és kezelést.
Az AI modell és a kutatási eredmények
Egy új mesterséges intelligencia (AI) modell képes volt 13 különböző ráktípust 98,2%-os pontossággal azonosítani, csupán DNS adatok alapján, szövetmintákból. Az EMethylNET nevű AI modellt a brit Cambridge-i Egyetem kutatói fejlesztették ki, és nagy potenciállal bír a korai rákfelismerés, diagnózis és kezelés terén.
A múlt héten a Biology Methods and Protocols folyóiratban publikált kutatás a DNS metilációra fókuszált. Ez egy kémiai folyamat, ami már a korai szakaszban előfordul, amikor a sejtek növekedni kezdenek, beleértve a rákos sejteket is. A kutatók a gépi tanulási modellt arra képezték ki, hogy felismerje a rák korai felépülési struktúráit és útvonalait.
A rák korai felismerésének jelentősége
„A rák, több mint kétszáz különböző betegség ‘gyűjteménye’, továbbra is vezető halálok világszerte” – állapította meg a tanulmány. „Általában a betegség előrehaladott stádiumában észlelt rák áttétes formája a rákos halálesetek 90%-áért felelős.”
„Ezért a rák korai felismerése – a jelenlegi terápiákkal kombinálva – jelentős hatással lenne a különböző ráktípusok túlélésére és kezelésére” – folytatta.
A tanulmány részletei és módszertana
A kutatók az EMethylNET-et több mint 6000 szövetmintából származó adatokon képezték ki a The Cancer Genome Atlas adatbázisból. Ez 13 ráktípust képviselt, köztük a mell-, tüdő- és vastagbélrákot. Ezt követően több mint 900 mintán tesztelték független adatbázisokból.
A fő eredmény több mint 98%-os pontosság volt a 13 ráktípus és nem rákos minták osztályozásában. A tanulmány kiemelte, hogy a módszer jól teljesített különböző országokból származó adatokkal is. A kutatók 3388 metilációs helyet is azonosítottak, amelyek rákhoz kapcsolódó génekhez és útvonalakhoz köthetők.
A tanulmány szerint az AI modell két mesterséges intelligencia megközelítést ötvöz. Az első az XGBoost, amely a releváns jellemzők kiválasztásáért felel. A második egy mély neurális hálózat, amely az osztályozást végzi. Ennek köszönhetően az AI modell nemcsak a rákot tudja pontosan felismerni, hanem betekintést nyújt a test azon nem-genetikai tényezőinek szabályozásába is, amelyek normál sejteket rákos sejtekké alakítanak.
További kutatások és jövőbeli irányok
Bár az első kutatási eredmények ígéretesek, a szerzők óvatosságra intenek. Szerintük a technológia további vizsgálatokra és tesztelésekre szorul, mielőtt klinikai alkalmazásra kerülne. A kutatócsoport jelenleg azon dolgozik, hogy a modellt folyadékmintákhoz igazítsa, ami lehetővé tenné a nem invazív korai rák szűrést.
A jelentés szerint – az elérhető képzési adatok függvényében – ez a módszer akár több száz ráktípus felismerésére is kiterjeszthető.
Ahogy az AI egyre inkább teret nyer az egészségügyben, az EMethylNET fontos lépést képvisel a gépi tanulás korai és pontosabb rákdiagnosztikában történő alkalmazása felé. Az ilyen innovációk messzemenő hatással lehetnek a közegészségügyre.
A Nemzetközi Rákkutatási Ügynökség legfrissebb becslései szerint évente több mint 19 millió új rákos esetet diagnosztizálnak, és 10 millió rákos haláleset történik.
Ez a cikk is érdekelhet: Van az a szorongás, amit még az AI is felismer
