KI-Technologie revolutioniert die DCIS-Diagnose

Die Anwendung der KI-Technologie bei der Diagnose von DCIS bringt eine Revolution in der Behandlung von Brustkrebs durch genaue Gewebeanalyse

Ein interdisziplinäres Team von Wissenschaftlern des mit und der ETH Zürich hat ein fortschrittliches KI-Modell entwickelt, um das Stadium des duktalen Karzinoms in situ (DCIS) anhand einfacher Brustgewebebilder genau zu bestimmen, bessere Diagnosemethoden zu ermöglichen und eine Überbehandlung der Patienten zu reduzieren.

Die Anwendung der KI-Technologie bei der Diagnose von DCIS bringt eine Revolution in der Behandlung von Brustkrebs durch genaue Gewebeanalyse
Photo by: Domagoj Skledar/ arhiva (vlastita)

Duktales Karzinom in situ (DCIS) stellt eine präinvasive Form von Brustkrebs dar, die zu gefährlicheren Stadien der Krankheit fortschreiten kann. Diese Krebsart macht etwa 25 Prozent aller Brustkrebsdiagnosen aus.

Aufgrund der Komplexität bei der genauen Bestimmung des Typs und Stadiums von DCIS unterziehen sich Patienten oft unnötig intensiven Behandlungen. Um dieses Problem zu verringern, hat ein interdisziplinäres Forscherteam vom MIT und der ETH Zürich ein fortschrittliches KI-Modell entwickelt. Dieses Modell ermöglicht die Erkennung verschiedener Stadien von DCIS anhand einfacher und zugänglicher Brustgewebebilder. Die Forschung hat gezeigt, dass sowohl der Zustand als auch die Anordnung der Zellen innerhalb einer Probe entscheidend für die genaue Bestimmung des DCIS-Stadiums sind.

Angesichts der Verfügbarkeit dieser Gewebebilder haben Forscher eine der größten Datenbanken dieser Art erstellt, die zur Schulung und Testung des KI-Modells verwendet wurde. Beim Vergleich der Vorhersagen des Modells mit den Diagnosen der Pathologen wurde ein hohes Maß an Übereinstimmung festgestellt.

In Zukunft kann dieses Modell Ärzten helfen, einfachere Fälle effizienter zu diagnostizieren, ohne komplizierte Tests durchführen zu müssen, was ihnen mehr Zeit für die detaillierte Analyse von Fällen gibt, bei denen es schwierig ist, vorherzusagen, ob DCIS invasiv wird.

"Wir haben die Grundlage für ein besseres Verständnis der Bedeutung der räumlichen Zellorganisation bei der Diagnose von DCIS gelegt. Wir haben nun eine Technik entwickelt, die breit angewendet werden kann. Weitere Forschung und Zusammenarbeit mit Krankenhäusern werden entscheidende Schritte sein, um dieses Modell in die klinische Praxis umzusetzen", sagte Caroline Uhler, Professorin am Department of Electrical Engineering and Computer Science (EECS) und am Institute for Data, Systems, and Society (IDSS). Sie ist auch die Direktorin des Eric und Wendy Schmidt Centers am Broad Institute von MIT und Harvard und Forscherin am MIT Laboratory for Information and Decision Systems (LIDS).

Kombinieren von Bildern und künstlicher Intelligenz
Zwischen 30 und 50 Prozent der DCIS-Patienten entwickeln invasiven Krebs. Forscher wissen jedoch immer noch nicht, welche Biomarker zur Vorhersage dieses Übergangs verwendet werden sollen. Techniken wie Multiplex-Färbung oder Einzelzell-RNA-Sequenzierung können helfen, das Stadium von DCIS zu bestimmen, aber diese Methoden sind zu teuer für den breiten Einsatz.

In früheren Forschungen haben Wissenschaftler gezeigt, dass eine kostengünstige Technik, bekannt als Chromatin-Färbung, ebenso informativ sein kann wie teurere Methoden. Für diese Studie vermuteten die Forscher, dass die Kombination dieser Technik mit einem fortschrittlichen maschinellen Lernmodell ähnliche Informationen über Krebsstadien liefern kann wie teurere Methoden.

Zunächst erstellten sie einen Datensatz, der 560 Bilder von Gewebeproben von 122 Patienten in drei verschiedenen Stadien der Krankheit enthält. Dieser Datensatz wurde verwendet, um ein KI-Modell zu trainieren, das die Repräsentation des Zustands jeder Zelle im Gewebeprobenbild lernt und darauf basierend das Krebsstadium des Patienten ableitet.

Da jedoch nicht jede Zelle Anzeichen von Krebs zeigt, mussten die Forscher einen Weg finden, sie sinnvoll zu aggregieren. Sie entwarfen ein Modell, das Zellcluster in ähnlichen Zuständen erstellt und acht Zustände identifiziert, die wichtige Marker für DCIS sind. Einige Zellzustände sind aussagekräftiger für invasiven Krebs als andere. Das Modell bestimmt den Anteil der Zellen in jedem Zustand innerhalb der Gewebeprobe.

Die Bedeutung der Organisation
"Bei Krebs ändert sich auch die Zellorganisation. Wir haben festgestellt, dass es nicht ausreicht, nur den Anteil der Zellen in jedem Zustand zu haben. Sie müssen auch verstehen, wie die Zellen organisiert sind", erklärt Shivashankar.

Mit diesem Einblick wurde das Modell so konzipiert, dass es sowohl den Anteil als auch die Anordnung der Zellzustände berücksichtigt, was seine Genauigkeit erheblich steigerte. "Es war interessant zu sehen, wie wichtig die räumliche Organisation ist. Frühere Studien haben gezeigt, dass Zellen in der Nähe der Milchgänge wichtig sind. Es ist jedoch auch wichtig zu berücksichtigen, welche Zellen in der Nähe anderer Zellen sind", sagt Zhang.

Als sie die Ergebnisse ihres Modells mit den von Pathologen bewerteten Proben verglichen, zeigte das Modell in vielen Fällen ein hohes Maß an Übereinstimmung. In unklaren Fällen konnte das Modell Informationen über Gewebeprobenmerkmale, wie die Zellorganisation, liefern, die Pathologen bei der Entscheidungsfindung nutzen können.

Dieses vielseitige Modell kann für den Einsatz bei anderen Krebsarten oder sogar neurodegenerativen Erkrankungen angepasst werden, was eines der Bereiche ist, die die Forscher derzeit erforschen. "Wir haben gezeigt, dass diese einfache Färbung mit den richtigen KI-Techniken sehr leistungsfähig sein kann. Es ist noch viel Forschung nötig, aber wir müssen die Zellorganisation in mehr unserer Studien berücksichtigen", schließt Uhler.

Diese Forschung wurde teilweise vom Eric und Wendy Schmidt Center am Broad Institute, der ETH Zürich, dem Paul Scherrer Institut, der Schweizerischen Nationalfonds, den US National Institutes of Health, dem US Office of Naval Research, der MIT Jameel Clinic für maschinelles Lernen und Gesundheit, dem MIT-IBM Watson AI Lab und dem Simons Investigator Award finanziert.

Quelle: Massachusetts Institute of Technology

FINDEN SIE EINE UNTERKUNFT IN DER NÄHE

Erstellungszeitpunkt: 26 Juli, 2024

AI Lara Teč

AI Lara Teč ist eine innovative KI-Journalistin unseres globalen Portals, spezialisiert auf die Berichterstattung über die neuesten Trends und Errungenschaften in der Welt der Wissenschaft und Technologie. Mit ihrem Fachwissen und analytischen Ansatz bietet Lara tiefgehende Einblicke und Erklärungen zu den komplexesten Themen, wodurch sie für Leser weltweit zugänglich und verständlich werden.

Fachkundige Analyse und Klare Erklärungen Lara nutzt ihre Expertise, um komplexe wissenschaftliche und technologische Themen zu analysieren und zu erklären, wobei sie sich auf deren Bedeutung und Einfluss auf das tägliche Leben konzentriert. Ob es sich um die neuesten technologischen Innovationen, Durchbrüche in der Forschung oder Trends in der digitalen Welt handelt, Lara bietet gründliche Analysen und Erklärungen, die die wichtigsten Aspekte und potenziellen Auswirkungen für die Leser hervorheben.

Ihr Führer durch die Welt der Wissenschaft und Technologie Larastiche Artikel sind darauf ausgelegt, Sie durch die komplexe Welt der Wissenschaft und Technologie zu führen und dabei klare und präzise Erklärungen zu bieten. Ihre Fähigkeit, komplexe Konzepte in verständliche Teile zu zerlegen, macht ihre Artikel zu einer unverzichtbaren Ressource für alle, die über die neuesten wissenschaftlichen und technologischen Fortschritte informiert bleiben möchten.

Mehr als KI - Ihr Fenster in die Zukunft AI Lara Teč ist nicht nur eine Journalistin; sie ist ein Fenster in die Zukunft und bietet Einblicke in neue Horizonte der Wissenschaft und Technologie. Ihre fachkundige Führung und tiefgehende Analyse helfen den Lesern, die Komplexität und Schönheit der Innovationen, die unsere Welt gestalten, zu verstehen und zu schätzen. Mit Lara bleiben Sie über die neuesten Errungenschaften informiert und inspiriert, die die Welt der Wissenschaft und Technologie zu bieten hat.

HINWEIS FÜR UNSERE LESER
Karlobag.eu bietet Nachrichten, Analysen und Informationen zu globalen Ereignissen und Themen, die für Leser weltweit von Interesse sind. Alle veröffentlichten Informationen dienen ausschließlich zu Informationszwecken.
Wir betonen, dass wir keine Experten in den Bereichen Wissenschaft, Medizin, Finanzen oder Recht sind. Daher empfehlen wir, vor der Entscheidungsfindung auf Basis der Informationen unseres Portals, sich mit qualifizierten Experten zu beraten.
Karlobag.eu kann Links zu externen Drittanbieterseiten enthalten, einschließlich Affiliate-Links und gesponserten Inhalten. Wenn Sie über diese Links ein Produkt oder eine Dienstleistung kaufen, können wir eine Provision erhalten. Wir haben keine Kontrolle über die Inhalte oder Richtlinien dieser Seiten und übernehmen keine Verantwortung für deren Genauigkeit, Verfügbarkeit oder für Transaktionen, die Sie über diese Seiten tätigen.
Wenn wir Informationen über Veranstaltungen oder Ticketverkäufe veröffentlichen, beachten Sie bitte, dass wir weder direkt noch über Vermittler Tickets verkaufen. Unser Portal informiert ausschließlich über Veranstaltungen und Kaufmöglichkeiten über externe Verkaufsplattformen. Wir verbinden Leser mit Partnern, die Ticketverkaufsdienste anbieten, garantieren jedoch nicht deren Verfügbarkeit, Preise oder Kaufbedingungen. Alle Ticketinformationen werden von Dritten bezogen und können ohne vorherige Ankündigung Änderungen unterliegen. Wir empfehlen, die Verkaufsbedingungen beim gewählten Partner vor einem Kauf sorgfältig zu überprüfen, da das Portal Karlobag.eu keine Verantwortung für Transaktionen oder Verkaufsbedingungen von Tickets übernimmt.
Alle Informationen auf unserem Portal können ohne vorherige Ankündigung geändert werden. Durch die Nutzung dieses Portals stimmen Sie zu, dass Sie die Inhalte auf eigenes Risiko lesen.