אחד מכל שלושה אנשים צפוי לסרטן במהלך חייהם, מה שהופך אותו לדאגה בריאותית משמעותית לאנושות. אינדיקטור מכריע לתוצאה של סרטן הוא מצב המיקרו-אטליט של הגידול-בין אם הוא יציב או לא יציב. זה מתייחס עד כמה ה- DNA יציב בגידולים ביחס למספר המוטציות בתוך מיקרו -אטליטים. למצב המיקרו-אטלייט של הגידול יש ערך קליני חשוב מכיוון שלמטופלים עם סרטן חוסר יציבות מיקרו-אטליט (MSI-H) בדרך כלל יש תוצאות מבטיחות יותר בהשוואה לחולים עם גידולים יציבים מיקרו-אטלייט. יתרה מזאת, גידולים חסרי חלבונים לתיקון אי התאמה-אלה הם תאים עם מוטציות בגנים ספציפיים המעורבים בתיקון טעויות שנעשו כאשר מועתק ה- DNA בתא-תאים היטב למעכבי מחסום חיסוני (ICI) ולא בהכרח לכימותרפיה.
לפיכך, רופאי בריאות ומומחים מציעים בדיקות MSI לסרטן קיבה ומעי הגס שאובחנו לאחרונה. בשנים האחרונות, בינה מלאכותית (AI) עשתה צעדים משמעותיים בתחום זה ושילובו בזרימת עבודה קלינית צפוי לספק בדיקות MSI חסכוניות ונגישות מאוד. בעוד שמספר מחקרים השתמשו בשיטות למידה עמוקות כמו רשתות עצביות מפותלות וטכניקות מבוססות ראייה-טרנספורמטים לחיזוי סטטוס MSI, הם אינם מצליחים לתפוס את אי הוודאות בתחזית. יתר על כן, רובם אינם מספקים תובנות מרכזיות לגבי היענות ICI, ומגבילים את היישומים הקליניים שלהם.
בהתייחס לחסרונות אלה, בפריצת דרך שנערכה לאחרונה, צוות חוקרים מארצות הברית וקוריאה, כולל ג'ה-הו צ'ונג מהמכללה לרפואה של אוניברסיטת יונסי וג'אונגיון קאנג מבית החולים גנגנאם סיפראנס, המכללה לרפואה של אוניברסיטת יונסי, הציעה MSI-Seer. מודל בייסיאני מבוסס תהליכים גאוסיים עמוקים זה חדשני מנתח תמונות של המוטוקסילין המוכתמות באאוזין, בלמידה מפוקחת חלשה כדי לחזות מצב מיקרו-אטליט בסרטן קיבה ומעי הגס. תרומה מרכזית ומובחנת של מחקר זה נעוצה בשילוב של חיזוי וכימות של אי וודאות במודל AI. באופן ספציפי, המודל מצויד ביכולת להעריך את הביטחון העצמי שלו על ידי הערכת שונות חזויה באמצעות נשירה של מונטה קרלו. שונות זו הופכת אז לציון אמון בייסיאני (BCS), אשר מכמת את האמינות של כל תחזית. כתוצאה מכך, מודל ה- AI מסוגל לזהות מקרים שבהם התחזיות שלו נושאות אי וודאות גבוהה-יעילה "בידיעה מה הוא לא יודע." במקרים כאלה, המערכת, המכונה MSI-Seer, מסמנת אוטומטית את שקופיות הוודאות הגבוהות הללו לבדיקה משנית על ידי פתולוגים אנושיים, במקום לקבל החלטות אוטונומיות. ממצאי הרומן הועמדו לרשות המקוון ופורסמו בכתב העת NPJ רפואה דיגיטלית ב- 19 במאי 2025.
"מחקר זה מספק תכנית חיונית לאופן בו מודל AI ש"יודע מה הוא לא יודע ", אשר בתורו מגדיל את האמינות הכוללת של המערכת, יכול ליצור מסגרת קלינית של שיתוף פעולה AI-Human עבור סביבות קליניות של העולם האמיתי יותר, אמינות ושימושיות יותר בסביבות קליניות בעולם האמיתי יותר בעולם האמיתי יותר בעולם האמיתי."אמר פרופ 'צ'ונג.
לדברי פרופ 'צ'ונג, "ביצענו אימות נרחב באמצעות מערכי נתונים גדולים מרובים הכוללים חולים מרקעים גזעיים מגוונים ומצאנו כי MSI-Seer השיגה ביצועים חדישים עם חיזוי MSI על ידי שילוב חיזוי אי וודאות."
בנוסף, המודל התגלה כמדויק ביותר לחיזוי היענות של ICI על ידי שילוב סטטוס MSI של גידולים ויחס סטרומה-לגובה. יתר על כן, התחזיות ברמת האריחים של MSI-Seer סיפקו תובנות עיקריות לגבי התרומה של התפלגות מרחבית של אזורי MSI-H במיקרו-סביבה של הגידול ותגובת ICI.
"אנו מאמינים כי לטכנולוגיה שלנו כבר יש פוטנציאל ליישום בעולם האמיתי כסוג של מעקב קוהורט פרוספקטיבי, או סוג של ניסויים קליניים שלב IV. ההשלכה לטווח הארוך יותר של מחקר זה היא שלא מדובר במודל AI ספציפי אחד. במקום זאת, יש לה השלכה רחבה יותר על אופן האלגוריתם של AI יכול לנתח נתונים מרובי-מודליות של רנימום, לטיפול במרכז השמיעה, מרחיב את פרופ 'צ'ונג על אפשרויות החדשנות שלהם.
בסך הכל, עבודה זו מציגה את השימוש במודל AI כדי להמציא אלגוריתם שמיש קליני כדי לחזות את ההיענות ל- ICI עבור חולים עם סרטן.
