Nowoczesne podejście do przewidywania skuteczności chemioterapii u pacjentów z rakiem pęcherza moczowego zostało przedstawione w badaniach opublikowanych w czasopiśmie „npj Digital Medicine”. Naukowcy opracowali model sztucznej inteligencji, który analizuje zarówno obrazowanie nowotworów, jak i ekspresję genów, co pozwala na dokładniejsze prognozowanie reakcji na leczenie.
Wykorzystanie AI w terapii raka pęcherza moczowego
Nowotwór pęcherza stanowi poważne wyzwanie dla medycyny, a skuteczność chemioterapii nie zawsze jest zadowalająca. Eksperci z Weill Cornell Medicine badają nowe sposoby przewidywania odpowiedzi na leczenie, stosując algorytmy AI. Zespół badawczy opracował model, który łączy obrazowanie nowotworów oraz analizę ekspresji genów, oferując lepsze prognozy niż tradycyjne metod.
W ramach badań wykorzystano informacje zebrane przez SWOG Cancer Research Network, która prowadzi badania kliniczne nad nowotworami. Połączenie obrazów próbek nowotworowych z profilami ekspresji genów umożliwiło identyfikację aktywnych i nieaktywnych genów w komórkach rakowych.
Dr Bishoy Morris Faltas, główny autor badania, wyjaśnia, iż do analizy obrazów wykorzystano specjalistyczne metody AI, takie jak sieci neuronowe, które analizują sposób organizacji komórek rakowych, komórek odpornościowych i fibroblastów w obrębie guza. Połączenie danych z obrazowania z danymi genetycznymi, pozwoliło stworzyć model predykcyjny, który przewyższa inne podejścia oparte tylko na jednym źródle danych.
– Na skali od 0 do 1, gdzie 1 to idealne dopasowanie, a 0 oznacza całkowity brak trafności, nasz model multimodalny osiąga wartość bliską 0,8, podczas gdy modele jednostkowe, oparte tylko na jednym rodzaju danych, osiągają wartość około 0,6. To już samo w sobie jest ekscytujące, ale planujemy udoskonalić model, aby uzyskać jeszcze lepsze wyniki – mówi dr Fei Wang, współautor badania.
Dzięki nowemu podejściu możliwe jest nie tylko bardziej precyzyjne prognozowanie skuteczności terapii, ale także potencjalne dostosowanie metod leczenia do indywidualnych cech pacjentów. W przyszłości dalsze udoskonalanie tego modelu może znacząco poprawić wyniki leczenia nowotworów pęcherza moczowego.
Źródło: Puls Medycyny
