Trí tuệ nhân tạo hỗ trợ chẩn đoán bệnh bạch cầu
Các chuyên gia và bác sĩ CNTT hiện đã chỉ ra cách sử dụng phương pháp dựa trên trí tuệ nhân tạo để dự đoán các đặc điểm di truyền khác nhau dựa trên hình ảnh kính hiển vi có độ phân giải cao của phết tủy xương
Các quyết định về điều trị cho bệnh nhân mắc bệnh bạch cầu dòng tủy cấp tính (AML) - một dạng bệnh bạch cầu rất nguy hiểm - dựa trên một loạt các đặc điểm di truyền nhất định của bệnh; nhưng tại thời điểm chẩn đoán được thực hiện, thông tin này không có sẵn. Tuy nhiên, bằng chứng về những bất thường di truyền này là rất quan trọng trong việc cung cấp phương pháp điều trị có mục tiêu cho bệnh nhân ở giai đoạn đầu. Vì xét nghiệm di truyền rất tốn kém và tốn thời gian nên cần có các xét nghiệm rẻ tiền, nhanh chóng và có thể tiếp cận rộng rãi để dự đoán những bất thường như vậy.
Một nhóm các chuyên gia CNTT và bác sĩ tại Đại học Münster và Bệnh viện Đại học Münster hiện đã công bố một nghiên cứu cho thấy phương pháp dựa trên trí tuệ nhân tạo (AI) có thể được sử dụng để dự đoán các đặc điểm di truyền khác nhau trên cơ sở hình ảnh kính hiển vi có độ phân giải cao của phết tủy xương.
Do đó, các quyết định về phương pháp điều trị chính xác hơn có thể được đưa ra trực tiếp vào ngày chẩn đoán trong tương lai mà không cần phải chờ phân tích di truyền.
Kết quả đã được công bố trên tạp chí Blood Advances.
Trong phương pháp mới này, các sai lệch di truyền được trích xuất trực tiếp từ các bản quét nhiều gigabyte có độ phân giải cực cao từ toàn bộ mẫu phết tủy xương lấy từ hơn 400 bệnh nhân AML.
Các bản quét có độ phân giải trung bình 270.000 lần 135.000 pixel, với một hình ảnh có kích thước vài gigabyte.
Dựa trên bộ dữ liệu khổng lồ này, có thể trích xuất hơn hai triệu hình ảnh đơn bào.
Giáo sư John giải thích: “Chúng tôi đã phát triển một loại phương pháp Deep Learning mới, hoàn toàn tự động, được đào tạo cho một nhiệm vụ phức tạp bằng công nghệ học máy”.
Benjamin Risse, người đứng đầu công việc phát triển thuật toán ở lĩnh vực CNTT.
"Trong trường hợp của chúng tôi, thuật toán cơ bản có thể tự động nhận dạng các đặc điểm di truyền và các mẫu rất tinh tế trong các hình ảnh tế bào học lớn. Sau đó, phương pháp này lọc các hình ảnh đơn bào thành các loại tế bào khác nhau và nó cũng cho thấy bất kỳ sai lệch di truyền nào. Điều thú vị là, Risse cho biết: một số mẫu được nhận dạng bởi thuật toán không thể được xác định bởi các nhà quan sát của con người. Điều này là do các mẫu có thể quá mờ hoặc do các kết cấu cực kỳ mịn có liên quan đến mắt người, mặc dù hình ảnh xuất sắc.
Một ưu điểm chính của phương pháp được trình bày là quy trình AI từ đầu đến cuối cho phép theo dõi kết quả (tạm thời) và giảm thiểu công việc sơ bộ thủ công thường cần thiết cho học máy ở mức tối thiểu.
Điều này có thể thực hiện được nhờ sự kết hợp của cái gọi là quá trình học tập không giám sát, tự giám sát và giám sát.
Hai quy trình đầu tiên không yêu cầu lựa chọn dữ liệu thủ công mà thay vào đó hãy cố gắng tự động trích xuất nội dung có liên quan từ dữ liệu hình ảnh.
Tiến sĩ Linus Angenendt, người đứng đầu Liệu pháp Ung thư Cá nhân hóa và Kỹ thuật số, cho biết: “Sử dụng cái gọi là phương pháp tiếp cận gia tăng, chúng tôi đã thực hiện các bước trung gian với chuyên gia con người để kiểm tra hình ảnh. Điều này là cần thiết, chẳng hạn như đối với các hình ảnh tế bào được phân loại là có vấn đề”. Nhóm công tác y học tại Bệnh viện Đại học Münster.
Ví dụ, hình ảnh tế bào có vấn đề có thể xảy ra do nhuộm màu không chính xác.
Mô hình được đào tạo sau đó được đánh giá trên một tập dữ liệu độc lập liên quan đến hơn 70 bệnh nhân với hơn 440.000 hình ảnh đơn bào -- dưới dạng đoàn hệ thử nghiệm.
Mặc dù phương pháp mới không thể thay thế các phân tích di truyền, tuy nhiên nó vẫn giúp ích ở giai đoạn rất sớm trong quá trình làm rõ chẩn đoán cho bệnh nhân ung thư bạch cầu, bằng cách đưa ra ý tưởng về những sai lệch di truyền nào có thể là nguyên nhân gây ra bệnh.
Điều này sẽ đặc biệt hữu ích trong trường hợp bệnh tiến triển nặng khi không có thời gian chờ đợi phân tích di truyền hoàn chỉnh.
Các nhà nghiên cứu tin tưởng rằng trong tương lai, các phương pháp kỹ thuật số và trí tuệ nhân tạo sẽ ngày càng trở nên quan trọng đối với các bộ dữ liệu y tế lớn khi vấn đề đưa ra các khuyến nghị cá nhân hóa để điều trị cho bệnh nhân mắc các bệnh ác tính. Nghiên cứu này đóng góp cơ sở quan trọng cho việc này, ví dụ như trong việc phát triển các phương pháp tương tự đối với các bệnh về tủy xương khác.
Nguồn Đại học Münster
- Protein tuyến trùng làm sáng tỏ vấn đề vô sinh(9/1/2024)
- Tập thể dục nhẹ có thể là chìa khóa để đẩy lùi bệnh béo phì ở trẻ em liên quan đến tình trạng ít vận động(7/1/2024)
- Xác định phương pháp điều trị ung thư tuyến tụy mới tiềm năng(6/1/2024)
- Polyme có thể tiêu diệt vi khuẩn(5/1/2024)
- Dự đoán bệnh mất trí nhớ Alzheimer ở người cao tuổi(4/1/2024)
- Nghiên cứu xác định protein trong hệ thống thị giác giúp ổn định nhịp sinh học(2/1/2024)
Các bài khác
- Thuốc PERUZI trong điều trị các bệnh tim mạch(18/10/2023)
- Lambertu - Pyridostigmin 60 mg - Thuốc thiết yếu trong điều trị bệnh nhược cơ (myasthenia gravis)(11/10/2023)
- Một phương pháp điều trị đầy hứa hẹn cho tình trạng suy nhược do ung thư(8/10/2023)
- Điều trị bệnh tiểu đường thai kỳ an toàn và hiệu quả(5/10/2023)
- Sử dụng corticoid an toàn và hiệu quả(29/9/2023)
- FDA chấp thuận Vắc xin phòng bệnh than Cyfendus(15/9/2023)
- Thuốc Zurzuvae điều trị bệnh trầm cảm sau sinh đầu tiên được FDA chấp nhận(9/9/2023)
- Vắc xin Beyfortus phòng bệnh đường hô hấp dưới RSV ở trẻ sơ sinh(25/8/2023)
- Thuốc nhỏ mắt Xdemvy để điều trị viêm bờ mi do Demodex(22/8/2023)
- Vitamin K bảo vệ chống lại bệnh tiểu đường(5/7/2023)