Inteligența artificială (AI), învățarea profundă (DL) și învățarea automată (ML) au transformat multe industrii și domenii ale științei. Aceste instrumente sunt aplicate și pentru a aborda provocările descoperirii biomarkerilor de cancer, unde analiza unor cantități mari de imagini și date moleculare depășește capacitatea analizelor și instrumentelor statistice tradiționale.

Într-un număr special al Cancer Biomarkers, cercetătorii propun diverse abordări și explorează unele dintre provocările unice ale utilizării celor trei instrumente pentru a îmbunătăți acuratețea și puterea de predicție a biomarkerilor pentru cancer și alte boli. De asemenea, cercetarea include identificarea cancerelor în stadiu incipient, deducerea locului cancerului, ajutând la atribuirea opțiunilor terapeutice adecvate pentru fiecare pacient, caracterizarea micromediului tumoral și prezicerea răspunsului la imunoterapie.

Câmpul biomarkerilor este binecuvântat cu o multitudine de date imagistice și moleculare și, în același timp, este plin de atât de multe date încât niciun individ nu le poate înțelege pe toate. AI oferă o soluție la această problemă și are potențialul de a descoperi interacțiuni noi care reflectă mai exact biologia cancerului și a altor boli”, a explicat editorul Karin Rodland, PhD, Pacific Northwest National Laboratory și Universitatea de Sănătate și Știință din Oregon, SUA.

O privire de ansamblu cuprinzătoare a literaturii privind utilizarea abordărilor AI pentru identificarea biomarkerilor pentru cancerul ovarian și cancerul pancreatic ilustrează principiile care stau la bază și analizează lacunele și provocările cu care se confruntă domeniul în ansamblu. Cancerele ovariene și pancreatice sunt rare, dar letale, deoarece nu au simptome precoce și sunt depistate mai greu.

Cercetătorii sugerează că dezvoltarea unor baze de date de imagini mai mari și mai diverse pentru cancerele rare în cadrul instituțiilor, metode standardizate de raportare și interfețe mai ușor de înțeles care cresc încrederea utilizatorilor sunt necesare pentru a avea un impact real asupra descoperirii biomarkerilor.

Investigatorul principal, Dr. Debiao Li și colegii săi au dezvoltat un model pentru a identifica persoanele cu risc de adenocarcinom ductal pancreatic (PDAC). PDAC este asociat cu multe anomalii precondiționale care pot fi vizibile pe o tomografie computerizată (CT), dar acestea sunt greu de înțeles prin evaluarea vizuală. În studiul lor, anchetatorii au folosit scanări CT de la pacienți cu PDAC confirmat și scanări CT de la aceiași pacienți care au avut o scanare CT cu șase luni până la trei ani înainte de diagnosticare pentru a identifica un set de caracteristici CT care erau potențial predictive pentru PDAC. Modelul a fost 86% precis în clasificarea pacienților și a martorilor sănătoși, folosind caracteristicile CT identificate.

„Provocarea AI pentru avansarea cercetării cancerului pancreatic este deficitul de date din cauza prevalenței scăzute. Scopul acestui model de concept este de a încuraja cercetătorii să stabilească un set de date mai larg pentru formarea extinsă și validarea modelului.”

Dr. Debiao Li, Biomedical Imaging Research Institute, Cedars-Sinai Medical Center, CA, SUA.

Radiomica este un domeniu în curs de dezvoltare în care caracteristicile sunt extrase din imagistica medicală folosind diferite tehnici. Caracteristicile radiomice pot cuantifica intensitatea, forma și eterogenitatea tumorii și au fost aplicate la detectarea, diagnosticul, răspunsul terapeutic și prognosticul oncologic. Cercetătorii Shaoli Song, Lisheng Wang și colegii săi au combinat date radiomice din tomografia cu emisie de pozitroni (PET) preoperatorie și imagini CT în pacienții cu carcinom spinocelular uterin în stadiu incipient. Aceștia au folosit algoritmi pentru a dezvolta o semnătură de prognostic capabilă să prezică supraviețuirea fără boală.

„Acest model ar putea oferi informații mai precise despre potențialele recidive și metastaze și ar putea fi util în luarea deciziilor”, au observat oamenii de știință.

Alte lucrări din numărul special se concentrează pe:

  • dezvoltarea de noi instrumente de calcul pentru a facilita aplicarea AI la identificarea biomarkerilor;
  • utilizarea imaginilor cu celule întregi și a imunofluorescenței pentru a identifica caracteristicile imune în tumorile pancreatice pentru a oferi informații de prognostic;
  • utilizarea microARN-urilor și a învățării automate aplicate pentru a identifica un profil miARN asociat cu tumorile stromale gastrointestinale;
  • utilizarea grupării ierarhice de seturi de date multi-omice combinate pentru a identifica o semnătură imună antitumorală la pacienții cu cancer de colon.

Dr. Rodland a adăugat că articolele din acest număr special sunt doar o mică eșantionare a diferitelor abordări ale utilizării AI, DL și ML în cercetarea biomarkerilor.

„Există o nevoie urgentă continuă de strategii mai eficiente pentru îmbunătățirea detectării precoce a cancerelor. S-a demonstrat că sistemele de AI de ultimă oră îmbunătățesc sensibilitatea și specificitatea în interpretarea atât a datelor imagistice, cât și a datelor non-imagistice pentru sân, plămâni, prostată, și cancere de col uterin”, a declarat Dr. Rodland.

 

Sursă material https://www.news-medical.net.