Βρείτε μας στο Google News. Πατήστε εδώ!Ερευνητές από το Πανεπιστήμιο Επιστήμης και Τεχνολογίας του Χονγκ Κονγκ (HKUST) ανέπτυξαν το Mixture of Modality Experts (MOME), ένα μεγάλο μοντέλο τεχνητής νοημοσύνης (AI) για τη μη επεμβατική διάγνωση καρκίνου του μαστού. Εκπαιδευμένο στο μεγαλύτερο σύνολο δεδομένων πολυπαραμετρικής μαγνητικής τομογραφίας (mpMRI) για καρκίνο του μαστού στην Κίνα, το MOME επιτυγχάνει ακρίβεια ειδικού επιπέδου στην ταξινόμηση της κακοήθειας των όγκων, συγκρίσιμη με αυτή των ακτινολόγων με πενταετή εμπειρία.
Αυτή η καινοτόμος λύση βρίσκεται τώρα σε εκτεταμένη κλινική επικύρωση σε περισσότερα από δέκα νοσοκομεία και συνεργαζόμενα ιδρύματα, συμπεριλαμβανομένου του Λαϊκού Νοσοκομείου Shenzhen, του Πρώτου Δημοτικού Λαϊκού Νοσοκομείου Guangzhou και του Κέντρου Καρκίνου Yunnan, για να επικυρώσει την αποτελεσματικότητά της και να διασφαλίσει την εφαρμογή της σε πραγματικό κόσμο. Η εργασία δημοσιεύεται στο περιοδικό Nature Communications.
Αξιοποιεί το μεγαλύτερο σύνολο δεδομένων mpMRI της Κίνας
Ο καρκίνος του μαστού είναι ένας από τους πιο διαδεδομένους και απειλητικούς για τη ζωή καρκίνους μεταξύ των γυναικών παγκοσμίως. Η έγκαιρη ανίχνευση, η ακριβής μοριακή υποτυποποίηση και η ικανότητα πρόβλεψης των αντιδράσεων των ασθενών στη θεραπεία είναι κρίσιμες για την αποτελεσματική διαχείρισή του. Ενώ η mpMRI παρέχει πλούσιες διαγνωστικές πληροφορίες, η ενσωμάτωση των ποικίλων μεθόδων απεικόνισης (δηλαδή, διαφορετικές ακολουθίες MRI) θέτει προκλήσεις για τα παραδοσιακά συστήματα Τεχνητής Νοημοσύνης, ειδικά όταν λείπουν ακολουθίες σε κλινικά περιβάλλοντα.
Για να αντιμετωπίσει αυτές τις προκλήσεις, η ομάδα με επικεφαλής το HKUST συνεργάστηκε με πολλά ιατρικά ιδρύματα για να συγκεντρώσει το μεγαλύτερο σύνολο δεδομένων mpMRI μαστού στην Κίνα που έχει αναφερθεί μέχρι σήμερα και σχεδίασε το MOME, ένα μεγάλο μοντέλο Τεχνητής Νοημοσύνης ικανό να μαθαίνει από ποικίλους τύπους δεδομένων.
Χρησιμοποιώντας ένα πλαίσιο “μείγματος ειδικών” και μια αρχιτεκτονική “μετασχηματιστή”, το MOME συνδυάζει αποτελεσματικά πολυτροπικές πληροφορίες και παραμένει ισχυρό ακόμη και όταν λείπουν ορισμένες ακολουθίες απεικόνισης. Το μοντέλο υποστηρίζει επίσης τον μοριακό υποτυπισμό και προβλέπει την ανταπόκριση στη θεραπεία.
Δυνατότητα μείωσης των περιττών βιοψιών και βελτίωσης των προβλέψεων θεραπείας
Σε δοκιμές, το MOME όχι μόνο επέδειξε διαγνωστική ακρίβεια εφάμιλλη με έμπειρους ακτινολόγους, αλλά έδειξε επίσης δυνατότητες μείωσης των περιττών βιοψιών, εντοπίζοντας σωστά καλοήθεις περιπτώσεις μεταξύ ασθενών με BI-RADS 4 – άτομα με ύποπτα ευρήματα απεικόνισης μαστού που υποδηλώνουν μέτρια πιθανότητα καρκίνου του μαστού (μεταξύ 2% και 95%).
Το MOME παρείχε ενθαρρυντικά αποτελέσματα στην πρόβλεψη των αποκρίσεων στη νεοεπικουρική χημειοθεραπεία, μια θεραπεία που χορηγείται πριν από τη χειρουργική επέμβαση για τη συρρίκνωση των όγκων και τη βελτίωση των χειρουργικών αποτελεσμάτων, καθώς και στην υποτυποποίηση του τριπλά αρνητικού καρκίνου του μαστού, ενός πιο επιθετικού υποτύπου που απαιτεί εξειδικευμένες στρατηγικές θεραπείας.
«Η υψηλή προσαρμοστικότητα και η ερμηνευσιμότητα του MOME προσφέρουν τεράστιες δυνατότητες ενσωμάτωσης στις κλινικές ροές εργασίας. Ενισχύοντας την αξιοπιστία της διάγνωσης και τη διαφάνεια των αποφάσεων, το MOME υπογραμμίζει τον μετασχηματιστικό ρόλο της Τεχνητής Νοημοσύνης (ΤΝ) στην ιατρική απεικόνιση, επιτρέποντας παράλληλα τη μη επεμβατική και εξατομικευμένη διαχείριση του καρκίνου», δήλωσε ο καθηγητής Chen Hao, Επίκουρος Καθηγητής στο Τμήμα Επιστήμης Υπολογιστών και Μηχανικής, στο Τμήμα Χημικής και Βιολογικής Μηχανικής και στο Τμήμα Επιστημών Ζωής στο HKUST.
«Με την ταχεία πρόοδο των μεγάλων μοντέλων ΤΝ και των τεχνολογιών απεικόνισης, πιστεύουμε ότι μοντέλα όπως το MOME θα διαδραματίσουν ολοένα και πιο ζωτικό ρόλο στην ενδυνάμωση των κλινικών ιατρών και στη βελτίωση των αποτελεσμάτων των ασθενών στο εγγύς μέλλον», πρόσθεσε.
Η μελέτη, με τίτλο «Ένα Μεγάλο Μοντέλο για Μη Επεμβατική και Εξατομικευμένη Διαχείριση του Καρκίνου του Μαστού από Πολυπαραμετρική Μαγνητική Τομογραφία», διεξήχθη από κοινού από το Smart Lab του HKUST, το Πανεπιστήμιο Χάρβαρντ, το Λαϊκό Νοσοκομείο Σενζέν, το Γενικό Νοσοκομείο PLA και το Κέντρο Καρκίνου Γιουνάν. Ο Δρ. Luo Luyang, πρώην μεταδιδακτορικός ερευνητής της ερευνητικής ομάδας του καθηγητή Chen στο Smart Lab του HKUST και νυν μεταδιδακτορικός ερευνητής στο Πανεπιστήμιο Χάρβαρντ, ήταν ο πρώτος συγγραφέας της έρευνας.
