Η τεχνητή νοημοσύνη σώζει ζωές: Νέο μοντέλο ανιχνεύει 13 καρκίνους με ακρίβεια 98%

Μια πρόσφατη μελέτη δείχνει ότι οι γιατροί μπορεί σύντομα να είναι σε θέση να χρησιμοποιούν την τεχνητή νοημοσύνη (AI) για την ανίχνευση και τη διάγνωση του καρκίνου στους ασθενείς, επιτρέποντας την έγκαιρη θεραπεία.

Η μελέτη υπογραμμίζει ότι η ανίχνευση και η ταξινόμηση του καρκίνου με τη χρήση προσεγγίσεων που βασίζονται στη μεθυλίωση είναι ένας αναπτυσσόμενος τομέας, που πλέον ενσωματώνει τη χρήση της τεχνητής νοημοσύνης.

Ο αγώνας για την καταπολέμηση του καρκίνου συνεχίζεται, καθώς παραμένει η κύρια αιτία θνησιμότητας στον κόσμο. Κάθε χρόνο αναφέρονται 19 εκατομμύρια κρούσματα και 10 εκατομμύρια θάνατοι, γεγονός που καθιστά επιτακτική την πρόγνωση και τη διάγνωση σε πρώιμο στάδιο.

«Οι περισσότεροι καρκίνοι είναι θεραπεύσιμοι και ιάσιμοι αν ανιχνευθούν αρκετά νωρίς», αναφέρει η μελέτη.

Οι περισσότεροι καρκίνοι, ωστόσο, εντοπίζονται σε προχωρημένα στάδια. Αλλά μια κοινή διαχωριστική γραμμή μεταξύ πολλών από αυτούς είναι ένα επιγενετικό φαινόμενο γνωστό ως ανώμαλη μεθυλίωση του DNA. Αυτό το μοτίβο έχει δώσει τροφή για περαιτέρω έρευνα. Θα μπορούσε να βοηθήσει να εντοπιστεί ο καρκίνος πριν αρχίσει.

Η ανίχνευση του καρκίνου στο DNA

Το DNA αποτελείται από τέσσερις βάσεις A, C, G και T, εξηγεί το δελτίο τύπου. Λόγω των περιβαλλοντικών αλλαγών έξω από τα κύτταρα κάποιες από αυτές τις βάσεις να προσθέσουν μια μεθυλική ομάδα γνωστή ως «μεθυλίωση του DNA». Στην οργανική χημεία αυτό σημαίνει τρία άτομα υδρογόνου που περιβάλλουν ένα άτομο άνθρακα.

Κάθε κύτταρο στην πραγματικότητα εμφανίζει εκατομμύρια από αυτές τις μεθυλικές ομάδες. Έτσι, η διάκριση μεταξύ μη καρκινικού και καρκινικού ιστού γίνεται το δύσκολο έργο που έχουμε μπροστά μας, ειδικά με την επιθυμητή ταχύτητα.

Λόγω της απεραντοσύνης του έργου, οι ερευνητές «χρησιμοποίησαν προσεγγίσεις μηχανικής μάθησης για να εντοπίσουν τις ειδικές για τον καρκίνο αλλαγές από τη μεθυλίωση που αφορά τους φυσιολογικούς ιστούς».

«Ο εντοπισμός των συγκεκριμένων υπογραφών μεθυλίωσης του DNA που είναι ενδεικτικές για διαφορετικούς τύπους καρκίνου μοιάζει με την αναζήτηση βελόνας στα άχυρα».

Οι ερευνητές από το Πανεπιστήμιο του Κέιμπριτζ και το Imperial College του Λονδίνου στράφηκαν στην τεχνολογία των γρήγορων υπολογισμών. Παρατήρησαν αλλαγές σε αυτά τα σημάδια DNA στην πρώιμη ανάπτυξη του καρκίνου και αναγνώρισαν «13 διαφορετικούς τύπους καρκίνου από μη καρκινικό ιστό με ακρίβεια 98,2%».

Η τεχνητή νοημοσύνη μπορεί να προβλέψει τον καρκίνο πριν αυτός ξεκινήσει

Όπως αναφέρει το interestingengineering, δούλεψαν με τέσσερις διαφορετικούς τύπους μοντέλων, αλλά παρουσίασαν τα αποτελέσματα από δύο που χρησιμοποίησαν για να δημιουργήσουν το EMethylNET. Αποτελείται από ένα «μοντέλο DNN που εκπαιδεύεται με χαρακτηριστικά που μαθαίνονται από το multiclass XGBoost».

Χρησιμοποίησαν αυτά τα δυαδικά και πολυταξικά μοντέλα μηχανικής μάθησης για να ταξινομήσουν 13 τύπους καρκίνου και τους αντίστοιχους φυσιολογικούς ιστούς.

«Η προσέγγισή μας πέτυχε καλές επιδόσεις σε σύνολο δοκιμών για όλα τα μοντέλα XGBoost», έγραψαν, «συγκεκριμένα μια μέση ακρίβεια 0,987 και 0,982 για τα δυαδικά και πολυταξικά μοντέλα, αντίστοιχα».

Εξέτασαν δείγματα ιστών αντί για θραύσματα DNA στο αίμα, γεγονός που φαίνεται να είναι το κλειδί της επιτυχίας της.

«Αποδείξαμε ότι τα μοντέλα XGBoost είναι κατάλληλα για την ταξινόμηση ενός πλήθους τύπων καρκίνου χρησιμοποιώντας ως είσοδο μόνο δεδομένα μεθυλίωσης του DNA».

Σημειώνουν ότι το μοντέλο χρειάζεται εκπαίδευση και δοκιμή. Οι ερευνητές τονίζουν ότι "η σημαντική πτυχή αυτής της μελέτης ήταν η χρήση ενός εξηγήσιμου και ερμηνεύσιμου βασικού μοντέλου ΤΝ". Παρέχει μάλιστα πληροφορίες σχετικά με το γιατί κάνει τις προβλέψεις του.

Ισχυρίζονται ότι το μοντέλο αυτό θα μπορούσε να βοηθήσει την ιατρική στην κατανόηση «των υποκείμενων μηχανισμών που συμβάλλουν στην ανάπτυξη του καρκίνου».

Έτσι οι γιατροί θα μπορούν να εντοπίσουν τον καρκίνο πριν ξεκινήσει. Θα μπορούσαν να αναλάβουν δράση αμέσως πριν ανθίσει σε ασθένεια και μάλιστα να τον προλάβουν αρκετά νωρίς για να τον θεραπεύσουν. Αν ο τομέας της ιατρικής μπορούσε να γεφυρώσει αυτό το χάσμα, ο καρκίνος θα ήταν αντιμετωπίσιμος.