saplama Kan Testi Sonuçlarını Analiz Eden Yapay Zeka Tarafından Beyin Kanseri Tespit Edildi - Unite.AI
Bizimle iletişime geçin

Sağlık hizmeti

Kan Testi Sonuçlarını Analiz Eden Yapay Zeka Tarafından Tespit Edilen Beyin Kanseri

mm
Güncellenmiş on

Son zamanlarda, Strathclyde Üniversitesi, Glasgow ile bağlantılı araştırmacılar, beyin kanserini saptamak için kan örneklerini analiz etme yönteminin patentini aldılar. ClinSpec Diagnostics Limited'deki araştırmacılar, kan biyopsilerine dayalı olarak beyin kanserini tespit etmek için spektroskopi ve AI algoritmalarını birleştirdi. Bildirdiği gibi Psikoloji Bugün tarafından, Araştırma yakın zamanda Nature Communications dergisinde yayınlandı ve araştırma ekibine göre çalışma, klinik spektroskopi ve yapay zekanın kullanımında önemli bir gelişmeyi temsil ediyor.

Çalışmada sunulan araştırma, beyin kanserine yakalanmayı çok daha kolay ve basit hale getirebilir. Sık sık ortaya çıkan baş ağrıları beyin kanserinin bir belirtisi olabilir, ancak baş ağrıları çok yaygın olmasına rağmen beyin kanseri değildir. Klinisyenlerin, hangi baş ağrılarının endişe kaynağı olduğunu ve hangilerinin daha iyi huylu olduğunu ayırt etmek için daha iyi bir yönteme ihtiyacı vardır. Doktorlar, bir tür triyaj uygulayabilmeli ve maliyetli beyin görüntüleme taramaları ile beyin kanseri teşhisine yatırılan zaman ve kaynak miktarını azaltabilmelidir. Basit bir kan testi klinisyenlere beyin kanseri vakalarını teşhis etmelerine yardımcı olabilecek güvenilir bilgiler verebilirse, hayatlar kurtarılabilir.

Bu nedenle ClinSpec araştırmacıları, doktorların olası beyin kanseri hastalarını diğer baş ağrısı nedenlerinden ayırarak sıralamasına yardımcı olacak bir algoritma geliştirmeyi amaçladı.

Kanser gibi hastalıkları tespit etmenin yaygın yöntemlerinden biri sıvı biyopsidir, doku örnekleri yerine vücut sıvılarından biyopsi yapılır. BC Research LLC'nin pazar araştırmasına göre likit biyopsi pazarı hızla büyüyor ve tahmini 2.4 milyar dolarlık bir büyüklüğe ulaşıyor. Sıvı biyopsi, hücresiz dolaşımdaki tümör DNA'sını veya ctDNA'yı ve dolaşımdaki tümör hücrelerini veya CRC'leri tespit edebildiği için kanser belirtilerini tespit etmede etkilidir. Bununla birlikte, ClinSpec'ten araştırmacılar, kanseri gösteren biyokimyasal belirteçleri bulmak için kan numuneleri üzerinde spektroskopi yaparak farklı bir analiz yöntemi kullandılar.

Spektroskopi, belirli hedeflenen kimyasal bileşenleri bulmak için elektromanyetik radyasyon kullanma sürecidir. Işık, bileşen elektromanyetik frekanslarına ayrılır ve bu frekanslar, farklı kimyasallarla farklı şekilde reaksiyona girer. ClinSpec araştırma ekibi, zayıflatılmış toplam yansıma (ATR)-Fourier dönüşümü kızılötesi (FTIR) spektroskopisi olarak adlandırılan bir teknik olan kan örneklerinin temsillerini oluşturmak için kızılötesi ışık kullandı. Araştırma ekibi, tekniğin, numuneyi kapsamlı bir şekilde hazırlamaya gerek kalmadan bir numunenin biyokimyasal profilini güvenilir bir şekilde oluşturan, tahribatsız, invaziv olmayan bir teknik olduğunu belirtti. Kan örneklerinin temsilleri daha sonra anormallikler açısından analiz edilebilir, olası kanser belirtileri açısından kontrol edilebilir.

Verileri analiz etmek amacıyla sınıflandırma modeli oluşturmak için destek vektör makinesi kullanıldı. Destek vektör makineleri sınıflandırma ve regresyon analizi için kullanılır ve karar sınırlarını veya bir veri kümesini birden fazla sınıfa ayıran çizgileri çizerek çalışırlar. Algoritma, bölme çizgisi ile çizginin her iki tarafındaki veri noktaları arasındaki mesafeyi maksimuma çıkarmaya çalışır ve mesafe ne kadar büyük olursa, sınıflandırıcı da o kadar güvenli olur.

Araştırma ekibi, kan örneklerine yönelik analiz yöntemlerinin, kanser örneklerini kanser olmayan örneklerden etkili bir şekilde ayırt edebildiğini belirtti. Duyarlılık oranı %93.2, özgüllük oranı ise %92.8 idi. MDDI Online'a göre araştırmacılar, 104 farklı hastadan oluşan bir gruptan alınan örnekleri analiz ederken, yapay zeka destekli yöntemlerinin, sağlıklı hastaları kanserden %86 oranında ayırt edebildiğini bildirdi.

Araştırmada araştırmacılar şunları açıkladı:

"Bu çalışma, ATR-FTIR spektroskopisinin kliniğe çevrilmesinde bir adım sunuyor. Yüksek verimli analize yönelik bu adım, klinik ortamın yanı sıra IR spektroskopisi alanında da etkilere sahiptir. Bu teknik kullanılarak kan serumunun analizi, beyin kanseri için bir triyaj aracı olarak klinik yola ideal olarak uyacaktır."

Uzmanlık alanlarına sahip blogcu ve programcı Makine öğrenme ve Derin Öğrenme konular. Daniel, başkalarının yapay zekanın gücünü toplumsal fayda için kullanmasına yardım etmeyi umuyor.