Các mô hình AI đa phương thức, được đào tạo dựa trên nhiều loại dữ liệu, có thể giúp các bác sĩ sàng lọc những bệnh nhân có nguy cơ phát triển nhiều bệnh ung thư khác nhau một cách chính xác hơn ..

Các nhà nghiên cứu từ Bệnh viện Phụ nữ và Brigham thuộc trường y của Đại học Harvard đã phát triển một mô hình học sâu có khả năng xác định 14 loại ung thư. Hầu hết các thuật toán AI được đào tạo để phát hiện các dấu hiệu bệnh tật từ một nguồn dữ liệu duy nhất, như quét y tế, nhưng thuật toán này có thể lấy đầu vào từ nhiều nguồn. 

Việc dự đoán một người nào đó có nguy cơ phát triển ung thư không phải lúc nào cũng đơn giản, các bác sĩ thường phải tham khảo nhiều loại thông tin khác nhau như lịch sử chăm sóc sức khỏe của bệnh nhân hoặc thực hiện các xét nghiệm khác để phát hiện dấu ấn sinh học di truyền.

Những kết quả này có thể giúp các bác sĩ tìm ra phương pháp điều trị tốt nhất cho bệnh nhân khi họ theo dõi sự tiến triển của bệnh, nhưng việc giải thích dữ liệu của họ có thể mang tính chủ quan, Faisal Mahmood, một trợ lý giáo sư làm việc tại Phòng bệnh lý tính toán tại Brigham and Women's Bệnh viện, giải thích. 

“Các chuyên gia phân tích nhiều bằng chứng để dự đoán bệnh nhân có thể làm tốt như thế nào. Những cuộc kiểm tra sớm này trở thành cơ sở để đưa ra quyết định đăng ký tham gia thử nghiệm lâm sàng hoặc các phác đồ điều trị cụ thể. Nhưng điều đó có nghĩa là dự đoán đa phương thức này xảy ra ở cấp độ của chuyên gia. Chúng tôi đang cố gắng giải quyết vấn đề một cách tính toán, ”ông nói trong một tuyên bố.

Mahmood và các đồng nghiệp của ông đã mô tả cách một hệ thống tổng thể, được tạo thành từ nhiều thuật toán học sâu và được đào tạo trên nhiều dạng dữ liệu, có thể chẩn đoán tới 14 bệnh ung thư khác nhau. Các nhà nghiên cứu đã sử dụng dữ liệu đào tạo từ The Cancer Genome Atlas (TCGA), một tài nguyên công cộng chứa dữ liệu về các loại ung thư khác nhau thu được từ hơn 5,000 bệnh nhân thực, cũng như các nguồn dữ liệu khác.

Đầu tiên, chế độ xem hiển vi của các mô tế bào từ hình ảnh toàn bộ slide (WSI) và dữ liệu gen dựa trên văn bản được sử dụng để đào tạo hai mô hình riêng biệt. Sau đó, chúng được tích hợp vào một hệ thống duy nhất để dự đoán liệu bệnh nhân có nguy cơ mắc các loại ung thư khác nhau cao hay thấp. Các nhà nghiên cứu tuyên bố, mô hình này thậm chí có thể giúp các nhà khoa học tìm hoặc xác nhận các dấu hiệu di truyền liên quan đến một số bệnh nhất định. 

“Sử dụng học sâu, sự kết hợp đa phương thức của các dấu ấn sinh học phân tử và các đặc điểm hình thái được chiết xuất từ ​​WSI có tiềm năng ứng dụng lâm sàng không chỉ cải thiện độ chính xác trong phân tầng nguy cơ bệnh nhân mà còn có thể hỗ trợ việc khám phá và xác nhận các dấu ấn sinh học đa phương thức, nơi có tác dụng tổ hợp của mô học và dấu ấn sinh học bộ gen. không được biết, ”nhóm nghiên cứu viết trong một bài báo công bố trong Cancer Cell vào thứ Hai.

Mahmood nói với Đăng ký nghiên cứu hiện tại là một bằng chứng về khái niệm áp dụng các mô hình đa phương thức để dự đoán nguy cơ ung thư. Ông kết luận: “Chúng tôi cần đào tạo các mô hình này với nhiều dữ liệu hơn, kiểm tra các mô hình này trên các nhóm thử nghiệm độc lập lớn và thực hiện các nghiên cứu tiềm năng và thử nghiệm lâm sàng để thiết lập hiệu quả của các mô hình này trong môi trường lâm sàng. ®