A forma de energia da IA ​​melhora os resultados do tratamento do câncer de bexiga

Aproveite as técnicas de força e aprendizado de máquina da IA, os pesquisadores da Medicine Weill Cornell desenvolveram um modelo mais eficaz para prever como os pacientes com câncer de bexiga respondem à quimioterapia. O formulário planta dados completos de fotografia tumoral e análises de expressão genética de uma maneira que supera os modelos anteriores usando um tipo de dados.

O estudo, publicado em 22 de março em Medicina Digital NPJDetermine os principais genes e propriedades do tumor que podem determinar o sucesso do tratamento. A capacidade de antecipar como o indivíduo interage com precisão com o tratamento normativo para esse câncer maligno pode ajudar os médicos a personalizar o tratamento e salvar aqueles que respondem bem da remoção da bexiga.

“Este trabalho representa o espírito de medicina precisa”, disse o Dr. Fai Wang, professor de ciências da saúde da população da Cornell Medicine e diretor fundador do Instituto de Inteligência Artificial para a Saúde Digital, que participou da liderança do estudo.

“Queremos determinar o tratamento apropriado para o paciente apropriado no momento certo”, acrescentou o Dr. Bishoy Morris Valtas, a família Gilret-Jun B.

Dr. Zilong Bay, pesquisador associado em ciências da população, E o Dr. Mohamed Othman, um colega de doutorado em medicina, na Will Cornell Medicine, liderou esta cooperativa de trabalho.

Melhor modelo, melhores previsões

Para construir um modelo de previsão melhor, os dois principais pesquisadores cooperaram. Enquanto o Dr. Wang Laboratory se concentra na extração de dados e análises de aprendizado extremista, o Dr. Vallas é um médico que tem experiência em biologia biológica.

Eles se transformaram em dados de uma rede de pesquisa de câncer Swog que projeta e conduz várias experiências clínicas para o câncer de adultos. Especificamente, os pesquisadores fundiram os dados das imagens das amostras de tumor preparadas com as características da expressão genética, que fornecem um instantâneo dos genes que “operam” ou “Off”.

“Como os padrões de expressão por si só não eram suficientes para prever respostas dos pacientes em estudos anteriores, decidimos obter mais informações para o nosso modelo”, disse o Dr. Waltas, que também é o oficial de pesquisa do Instituto Inglaterra da Definner Medicine e membro do Sandra e Edward Mayer Center em Will Cornell Medicine.

Para analisar imagens, os pesquisadores usaram métodos internacionais especializados de anistia chamada redes nervosas, que capturam como células cancerígenas, células imunes, miomas e interação dentro do tumor. Eles também mesclaram a análise de imagem automatizada para determinar essas diferentes células no local do tumor.

A combinação das entradas com base em imagens e dados de expressão genética para treinamento e teste de AI-, e aprendizado profundo, levou a uma melhor previsões de resposta clínica do que os modelos que usam expressão genética ou fotografia sozinha.

O Dr. Wang disse: “Em uma escala de 0 a 1, onde 1 é perfeito e 0 significa que não há nada verdadeiro, nosso modelo multimídia está se aproximando de 0,8, enquanto modelos pouco claros que dependem de apenas uma fonte de dados podem atingir aproximadamente 0,6”. “Isso já é emocionante, mas estamos planejando refinar o modelo para obter mais melhorias”.

Procurando por indicadores vitais

Enquanto os pesquisadores procuram indicadores vitais, como genes que prevêem resultados clínicos, eles encontram evidências lógicas. “Eu posso ver alguns genes que conheço são biologicamente relacionados, não apenas genes aleatórios”, disse o Dr. Valtas. “Foi reconfortante e um sinal de que estávamos em uma coisa importante”.

Os pesquisadores planejam alimentar mais dados no modelo, como mutações do DNA do tumor, que podem ser capturadas no sangue ou na urina, ou análises espaciais que permitiriam identificação mais precisa dos tipos de células na bexiga. “Este é um dos principais resultados de nosso estudo-que os dados são uma sinergia para melhorar a previsão”, disse o Dr. Valtas.

O modelo também sugeriu algumas das novas hipóteses que o Dr. Vallas e o Dr. Wang planejam testar mais. Por exemplo, a porcentagem de células cancerígenas afeta as células naturais do tecido, como células fibrosas, para responder às previsões da quimioterapia. Ele acrescentou: “Talvez a abundância de células fibrosas possa proteger células cancerígenas dos medicamentos quimioterapia ou apoiar o crescimento de células cancerígenas. Gostaria de lidar com essas biologia”.

Enquanto isso, médicos. Wang e Faltas verificarão seus resultados em outros grupos de experiência clínica clínica-que estão abertos para estender sua cooperação para determinar se seu modelo pode prever a resposta terapêutica em um número maior de pacientes.

O sonho é que os pacientes andem no meu escritório, e eu posso integrar todos os seus dados na estrutura de inteligência artificial e dar a eles um diploma que prevê como responder a um tratamento específico. Isso vai acontecer. Mas os médicos terão que aprender a explicar essas previsões de inteligência artificial e saber que posso confiar neles e poder explicá -las à minha doença de uma maneira que eles também possam confiar. “

Dr. Bishoy Morris Vallas, família Gilret – John B.