שני מחקרים בראשותו של ג'ונס הופקינס קימל סרטן, מרכז לודוויג, ובית הספר לחוקרי ההנדסה של ג'ונס הופקינס ווייטינג מדווחים על שיטה חדשה חזקה המשפרת משמעותית את האמינות והדיוק של בינה מלאכותית (AI) ליישומים רבים. כדוגמה, הם מיישמים את השיטה החדשה על איתור מוקדם של סרטן מדגימות דם, המכונה ביופסיה נוזלית.
מחקר אחד מדווח על התפתחות של SOW (בדיקת השערה כללית רב -ממדית מושכלת), שיטת AI שהחוקרים יצרו כדי לעמוד ברמת הביטחון הגבוהה הדרושה לכלי AI המשמשים בקבלת החלטות קליניות. כדי להמחיש את היתרונות של הכוח, הם השתמשו בו כדי לפתח בדיקה לגילוי סרטן מוקדם באמצעות מחזור DNA ללא תאים (CCFDNA) של DNA המסתובב בדם.
מחקר נלווה מצא כי דפוסי פיצול CCFDNA המשמשים לגילוי סרטן מופיעים גם בחולים עם מחלות אוטואימוניות וכלי דם. כדי לפתח בדיקה עם רגישות גבוהה לסרטן אך הפחתת תוצאות חיוביות שווא, הורחבה עשויה לשלב נתונים ממחלות אוטואימוניות וכלי דם שהתקבלו מעמיתיו בג'ונס הופקינס ומוסדות אחרים המטפלים ומחקרים אלה.
המחקרים, הנתמכים בחלקם על ידי המכונים הלאומיים לבריאות, יפורסמו ב -18 באוגוסט ב המשך האקדמיה הלאומית למדעים.
מאמר קשור, שנכתב על ידי שלושה חוקרים מג'ונס הופקינס, מייסד משותף של פיקסאר אד קטל, Ph.D., ומדען הנתונים הראשי של מיקרוסופט של ה- AI למעבדה הטובה חואן לאביסטה פרס, פורסם במקביל גילוי סרטןפרסום האיגוד האמריקני לחקר סרטן. הוא דן באתגרים של שילוב AI בפרקטיקה קלינית, כולל אתגרים שמטופל על ידי הכוח.
יתכן ויוניה משובחת את עצמה באמצעות נתונים אמיתיים ובודקת את דיוקו על קבוצות משנה שונות של הנתונים, בעזרת עשרות אלפי עצי החלטות, וניתן ליישם אותה על כל תחום המשתמש בנתונים גדולים, החל מאסטרונומיה לזואולוגיה. זה יעיל במיוחד לניתוח מערכי נתונים ביו -רפואיים עם משתנים רבים אך מעט יחסית דגימות מטופלים, מצב שכיח בו דגמי AI המסורתיים לעיתים קרובות מקרטעים.
בבדיקות המשתמשות בנתוני מטופלים, עשויות לעלות על ביצועי שיטות AI אחרות ברגישות ובעקביות הן. זה הוחל על דם של 1,000 פרטים-352 חולים עם סרטן מתקדם ו -648 אנשים ללא סרטן.
עבור כל מדגם, החוקרים העריכו 44 קבוצות משתנות שונות, שכל אחת מהן מורכבת ממערכת של תכונות ביולוגיות, כמו אורכי שבר DNA או חריגות כרומוזומליות, ומצאו כי תכונות מבוססות אנאופלואידיות (מספר לא תקין של כרומוזומים), סיפקו את מיטב ביצועי הגילוי עם רגישות של 72% (יכולת לאתר סרטן). איזון זה הוא קריטי ביישומים רפואיים בעולם האמיתי בהם צמצום חיובי שווא נחוץ כדי למנוע נהלים לא נחוצים.
עשוי לתת לנו דרך עוצמתית למדוד אי וודאות ולהגביר את האמינות, במיוחד במצבים בהם גדלי המדגם מוגבלים אך מורכבות הנתונים גבוהה. "
ג'ושוע פוגלשטיין, דוקטור
עשוי הורחב גם לאלגוריתם לוויה, שנקרא Comight, כדי לקבוע אם שילוב קבוצות משתנות מרובות יכול לשפר את גילוי הסרטן.
החוקרים יישמו COMIGHT על דגימות דם של 125 חולים עם סרטן שד בשלב מוקדם ו 125 חולים עם סרטן הלבלב בשלב מוקדם, שניתחו יחד עם 500 ביקורת (משתתפים ללא סרטן). בעוד שסרטן הלבלב התגלו לעתים קרובות יותר מאשר סרטן השד, ניתוח Comight העלה כי סרטן השד בשלב מוקדם עשוי להפיק תועלת משילוב של אותות ביולוגיים מרובים, מה שמדגיש את פוטנציאל הכלי להתאמת אסטרטגיות גילוי לפי סוג סרטן.
במחקר המלווה, החוקרים כריסטופר דוויל, דוקטורט, עוזר פרופסור לאונקולוגיה, סמואל קרטיס, דוקטורט, עמית פוסט -דוקטורט במרכז לודוויג, והצוותים שלהם גילו באופן סרנדיפיטית כי שבר CCFDNA, חתימות של אוטוימוס, נאמר בעבר כי הם ספציפיים לאנשים עם סרטן מתרחשים בחולים עם מחלות, ובם תנאים של אוטואימיה, כגדולים, כמו Tupusic, וכמו כן, בתנאים כגדולים, בתנאים כגדולים, מחלות כלי דם כמו תרומבומבוליזם ורידי.
בקרב אנשים עם חתימות פיצול לא תקינות, הם מצאו עלייה בסמנים ביולוגיים דלקתיים אצל כל החולים, בין אם היו להם מחלות אוטואימוניות, מחלות כלי דם או סרטן. תוצאותיהם מראות כי דלקת–מסרטן כשלעצמה, אחראית על אותות פיצול, מה שמסבך את המאמצים להשתמש בפיצול CCFDNA כסמן ביולוגי ספציפי לסרטן.
כדי להתמודד עם האתגר של פירוש שגוי של דלקת לסרטן, הצוות הוסיף מידע המאפיין דלקת בנתוני האימונים שלו עבור הכוח. הגרסה המשופרת פחתה, אך לא ביטלה לחלוטין, התוצאות החיוביות השגויות ממחלות שאינן סרטניות.
"המטרה העיקרית שלנו הייתה לחקור עוד יותר את המנגנונים הביולוגיים האחראים לחתימות פיצול שלפני כן נחשבו לסרטן לסרטן", אומר קרטיס. "ככל שהשדה עובר לסמנים ביולוגיים מורכבים יותר, הבנת המנגנונים הביולוגיים הבסיסיים המובילים לתוצאות הם קריטיים לפרשנותם, במיוחד כדי להימנע מתוצאות חיוביות כוזבות. הנתונים החדשים שלנו מצביעים על כך שניתן יהיה להאמין בטעות בחולים עם מחלות שאינן סרטן."
מוסיף את Douville, "בטנה כסף של מחקר זה היא שעבודות חוזרות של העוצמה עלולה לגרום לבדיקת אבחון נפרדת למחלות דלקתיות."
יחד, המחקרים מדגימים את ההבטחה כמו גם את המורכבות של פיתוח טכנולוגיות קליניות אמינות באמצעות AI. במערכת עריכה קשורה, החוקרים ציינו כמה אתגרים קריטיים שצריך לטפל בהם כך שניתן יהיה לשלב כלים כמו עשויים להיות משולבים במלואם בפרקטיקה קלינית.
הם זיהו שמונה מחסומי מפתח להביא AI לטיפול קליני שגרתי. במונחים פשוטים, אלה כוללים את הציפייה השקרית שכלי AI צריכים להיות ללא רבב לפני שהם נחשבים מועילים; הצורך להציג תוצאות כהסתברויות ולא כתשובות פשוטות או לא פשוטות; לוודא שתחזיות AI תואמות את ההסתברויות בעולם האמיתי; הבטחת התוצאות ניתנות לשחזור; מודלים אימונים על אוכלוסיות מגוונות; הסבר כיצד AI מקבל החלטות; הכרה כיצד דיוק הבדיקה יכול להשתנות כאשר מחלות הן נדירות; והימנעות מהסתמכות יתר על המלצות שנוצרו על ידי מחשב.
"ניתן ליישם על כל תחום בו מדידת חוסר הוודאות וביום אמון באמינות ובשחזור של הממצאים היא המפתח. זה יכול להיות במדעי הטבע, במדעי החברה או במדעי הרפואה. מחקר על כל תחומי המדע דורש אמון שמה שהאלגוריטמה יורקת הוא אמיתי, ניתן לשכפל ואמין," אומר ג'ושואלה.
החוקרים טוענים כי יש לראות בתוצאות שהתקבלו באמצעות AI Technologies כנתונים מיודעים AI שיכולים להשלים אך לא להחליף שיקול דעת קליני. למרות שעשוי וקומייט מציעים כלים חדשים חזקים בגילוי סרטן, ועלולים לגילוי מחלות דלקתיות וכלי דם, הם אומרים כי יש צורך במחקרים קליניים נוספים ואימות לפני שניתן יהיה להרחיב בדיקות כאלה לשימוש קליני.
"אמון בתוצאה הוא חיוני, וכעת ישנו כלי אמין וכמותי, אנו וחוקרים אחרים יכולים להשתמש בו ולמקד את המאמצים שלנו לחקר יותר חולים ולהוסיף תכונות משמעותיות סטטיסטיות לבדיקות שלנו לגילוי סרטן מוקדם יותר", אומר ברט ווגלשטיין, MDER, Medicator, Clayton of Oncology, Co.
עשויים ואלגוריתם בן לוויה שלו, Comight, זמינים כעת לציבור ב- Treeple.ai.
