Nowe publikacje
Sztuczna inteligencja może przewidzieć rokowanie w potrójnie negatywnym raku piersi
Ostatnia recenzja: 02.07.2025
Cała zawartość iLive jest sprawdzana medycznie lub sprawdzana pod względem faktycznym, aby zapewnić jak największą dokładność faktyczną.
Mamy ścisłe wytyczne dotyczące pozyskiwania i tylko linki do renomowanych serwisów medialnych, akademickich instytucji badawczych i, o ile to możliwe, recenzowanych badań medycznych. Zauważ, że liczby w nawiasach ([1], [2] itd.) Są linkami do tych badań, które można kliknąć.
Jeśli uważasz, że któraś z naszych treści jest niedokładna, nieaktualna lub w inny sposób wątpliwa, wybierz ją i naciśnij Ctrl + Enter.
Naukowcy z Karolinska Institute w Szwecji zbadali, jak dobrze różne modele sztucznej inteligencji mogą przewidywać rokowanie potrójnie ujemnego raka piersi, analizując określone komórki odpornościowe wewnątrz guza. Badanie, opublikowane w czasopiśmie eClinicalMedicine, jest ważnym krokiem w kierunku wykorzystania sztucznej inteligencji w opiece onkologicznej w celu poprawy zdrowia pacjentów.
Limfocyty naciekające guz to rodzaj komórek odpornościowych, które odgrywają ważną rolę w walce z rakiem. Gdy są obecne w guzie, oznacza to, że układ odpornościowy próbuje atakować i niszczyć komórki rakowe.
Te komórki odpornościowe mogą być ważne dla przewidywania, jak pacjent z tzw. potrójnie ujemnym rakiem piersi zareaguje na leczenie i jak choroba będzie postępować. Jednak wyniki oceny komórek odpornościowych mogą się różnić, gdy robią to patolodzy. Sztuczna inteligencja (AI) może pomóc w standaryzacji i automatyzacji tego procesu, ale trudno było udowodnić, że AI działa wystarczająco dobrze, aby można ją było stosować w opiece zdrowotnej.
Porównanie dziesięciu modeli sztucznej inteligencji
Naukowcy przetestowali dziesięć różnych modeli sztucznej inteligencji i porównali ich zdolność do analizy limfocytów naciekających guz w próbkach tkanki potrójnie ujemnego raka piersi.
Wyniki pokazały, że modele AI różniły się pod względem wydajności analitycznej. Pomimo tych różnic, osiem z dziesięciu modeli wykazało dobrą zdolność predykcyjną, co oznacza, że były w stanie przewidzieć przyszły stan zdrowia pacjentów w podobny sposób.
Nawet modele trenowane na mniejszej liczbie próbek wykazały dobrą zdolność predykcyjną, co wskazuje, że limfocyty naciekające guz są wiarygodnym biomarkerem” – powiedział Balázs Aç, badacz z Wydziału Onkologii i Patologii w Instytucie Karolinska.
Potrzebne są niezależne badania
Badanie pokazuje, że potrzebne są duże zbiory danych, aby porównać różne narzędzia AI i zapewnić ich jakość przed wdrożeniem w opiece zdrowotnej. Chociaż wyniki są obiecujące, potrzeba więcej walidacji.
„Nasze badanie podkreśla znaczenie niezależnych badań, które naśladują rzeczywistą praktykę kliniczną” — mówi Balazs Aç. „Tylko dzięki takim próbom możemy być pewni, że narzędzia AI są niezawodne i skuteczne w zastosowaniach klinicznych”.