Η χειρουργική αφαίρεση του προστάτη αποτελεί σημαντικό πυλώνα της θεραπείας του καρκίνου του προστάτη. Ωστόσο, αυτό οδηγεί σε ακράτεια ούρων στο 30% περίπου των ασθενών και σε στυτική δυσλειτουργία στο 90% περίπου.
Το αν η επέμβαση είναι απαραίτητη αποφασίζεται βάσει δειγμάτων ιστού με τη χρήση της λεγόμενης βαθμολογίας Gleason. Μια ομάδα από την ιατρική σχολή του Πανεπιστημίου της Βιέννης ανέπτυξε τώρα ένα νέο μοντέλο που χρησιμοποιεί τεχνητή νοημοσύνη (ΤΝ) για την καλύτερη πρόληψη της περιττής αφαίρεσης του προστάτη.
Στο πλαίσιο της μελέτης, οι ερευνητές με επικεφαλής τους Lukas Kenner, Jing Ning και Clemens Spielvogel είχαν ως στόχο να αναπτύξουν ένα νέο μοντέλο μηχανικής μάθησης για ακριβέστερη αξιολόγηση του όγκου.
"Για να το πετύχουμε αυτό, συνδυάσαμε την τεχνολογία multi-omics με εφαρμογές τεχνητής νοημοσύνης", δήλωσε ο επικεφαλής της μελέτης Kenner, τονίζοντας τη μοναδική προσέγγιση.
Η multi-omics είναι μια μέθοδος στην ιατρική έρευνα στην οποία ενσωματώνονται διάφορες πηγές δεδομένων "omics", όπως γενετικές πληροφορίες (genomics), απεικονιστικά χαρακτηριστικά (radiomics) και αποτελέσματα από παθολογικές εξετάσεις (pathomics).
Αυτό το πλήθος δεδομένων που τροφοδοτείται σε ένα μοντέλο ΤΝ προέρχεται από 146 ασθενείς που υποβλήθηκαν σε χειρουργική αφαίρεση του προστάτη (ριζική προστατεκτομή) το χρονικό διάστημα μεταξύ Μαΐου 2014 και Απριλίου 2020.
Συνδυάζοντας την multi-omics με τη μηχανική μάθηση, δημιουργήθηκε ένα μοντέλο τεχνητής νοημοσύνης που οι ερευνητές ελπίζουν ότι θα είναι πολύ χρήσιμο: "Στη μελέτη μας, μπορέσαμε να αξιολογήσουμε τις αλλαγές στον προστάτη με πολύ μεγαλύτερη ακρίβεια και αξιοπιστία από ό,τι με τη συμβατική μέθοδο βιοψίας και το σκορ Gleason", ανέφερε ο Kenner.
Αυτό καθιστά πολύ πιο εύκολο τον εντοπισμό ασθενών υψηλού κινδύνου που θα επωφελούνταν από μια ριζική προστατεκτομή και την αποφυγή περιττών επεμβάσεων σε ασθενείς με χαμηλό κίνδυνο εξάπλωσης του όγκου.
Η μελέτη δημοσιεύθηκε πρόσφατα στο εξειδικευμένο περιοδικό "Theranostics". Προβλέπεται περαιτέρω έρευνα για τη δοκιμή της μεθόδου προκειμένου να προωθηθεί η κλινική εφαρμογή της.
{{dname}} - {{date}}
{{body}}
Απάντηση Spam
{{#subcomments}} {{/subcomments}}