Cedera Ginjal Akut di antara orang Afrika-Amerika dengan Ciri dan Penyakit Sel Sabit

Program Kecerdasan Buatan Dapat Memilih Kandidat Terbaik untuk Perawatan Kanker Kulit


Newswise – Para ahli melatih komputer untuk memberi tahu pasien kanker kulit mana yang dapat mengambil manfaat dari obat-obatan yang mencegah tumor mematikan serangan sistem kekebalan pada mereka, sebuah studi baru menemukan.

Dipimpin oleh para peneliti dari NYU Grossman School of Medicine dan Perlmutter Cancer Center, penelitian tersebut menunjukkan bahwa alat kecerdasan buatan dapat memprediksi pasien dengan jenis kanker kulit tertentu yang akan merespon dengan baik terhadap “imunoterapi” seperti itu dalam empat dari lima kasus. Secara khusus, studi tersebut meneliti pasien dengan metastatic melanoma, kanker kulit yang memiliki kemampuan untuk menyebar ke organ lain dan membunuh 6.800 orang Amerika setiap tahun.

Hasilnya penting, kata para peneliti studi, karena, sementara kelas obat yang diteliti, penghambat checkpoint imun, lebih efektif untuk banyak pasien daripada kemoterapi tradisional, setengah dari pasien tidak meresponsnya. Menambah urgensi upaya untuk menentukan pasien mana yang akan merespons, para peneliti mengatakan obat tersebut dapat menyebabkan efek samping pada banyak dari mereka dan juga mahal. “

“Temuan kami mengungkapkan bahwa kecerdasan buatan adalah metode cepat dan mudah untuk memprediksi seberapa baik pasien melanoma akan merespons imunoterapi,” kata penulis pertama studi Paul Johannet, MD, seorang rekan postdoctoral di NYU Langone Health dan Perlmutter Cancer Center.

Penerbitan 18 November di jurnal Penelitian Kanker Klinis, studi baru ini adalah yang pertama untuk mengeksplorasi kecerdasan buatan, atau pembelajaran mesin, untuk memprediksi respons pasien melanoma terhadap penghambat checkpoint imun, kata para peneliti studi. Tim merancang program komputer mereka untuk “belajar” bagaimana menjadi lebih baik dalam suatu tugas tetapi tanpa diberi tahu persis bagaimana. Program semacam itu membangun model matematika yang memungkinkan pengambilan keputusan berdasarkan contoh data dimasukkan ke dalamnya, dengan program menjadi “lebih pintar” sebagai jumlah data pelatihan bertambah.

Untuk penyelidikan, para peneliti mengumpulkan 302 gambar sampel jaringan tumor dari 121 pria dan wanita yang dirawat karena metastasis melanoma dengan penghambat pos pemeriksaan kekebalan di rumah sakit NYU Langone. Kemudian, mereka membagi slide ini menjadi 1,2 juta bagian piksel, potongan kecil data yang menyusun gambar digital. Ini dimasukkan ke dalam komputer bersama dengan faktor-faktor seperti tingkat keparahan penyakit, jenis rejimen imunoterapi yang digunakan, dan apakah pasien menanggapi pengobatan.

Para peneliti studi mengulangi proses ini dengan 40 slide dari 30 pasien serupa di Vanderbilt University untuk menentukan apakah hasil tersebut benar dari sistem rumah sakit terpisah yang menggunakan peralatan dan teknik pengambilan sampel yang berbeda.

Para peneliti mencatat bahwa selain komputer yang diperlukan untuk menjalankan program, semua bahan dan informasi yang digunakan dalam teknik Perlmutter sudah menjadi bagian standar dari manajemen kanker yang sebagian besar, jika tidak semua, digunakan oleh klinik.

“Keuntungan utama dari program kecerdasan buatan kami dibandingkan pendekatan lain seperti analisis genetik atau darah adalah bahwa program ini tidak memerlukan peralatan khusus,” kata rekan penulis studi Aristotelis Tsirigos, PhD, direktur laboratorium bioinformatika terapan dan informatika klinis di Molekuler Lab Patologi di NYU Langone.

Lebih lanjut, mereka berpendapat bahwa metode AI lebih efisien daripada alat prediksi saat ini seperti menganalisis sampel tinja atau informasi genetik, yang menjanjikan untuk mengurangi biaya perawatan dan mempercepat waktu tunggu pasien.

“Bahkan pusat kanker terkecil pun berpotensi mengirim data ke laboratorium dengan program ini untuk analisis cepat,” kata penulis senior studi Iman Osman, MD. Osman adalah Profesor Dermatologi Rudolf L. Baer MD di NYU Langone dan Pusat Kanker Perlmutter.

Osman, yang juga menjabat sebagai direktur program melanoma interdisipliner dan dekan asosiasi untuk dukungan penelitian translasi di NYU Langone, menambahkan bahwa algoritme tersebut belum siap untuk penggunaan klinis hingga dapat meningkatkan tingkat akurasi dari 80 persen menjadi 90 persen dan menguji algoritma di lebih banyak institusi. Dia mengatakan tim peneliti selanjutnya berencana untuk mengumpulkan lebih banyak data untuk melatih komputer dengan lebih baik. Bahkan pada keakuratannya saat ini, kata Osman, alat AI masih dapat digunakan sebagai metode skrining untuk menentukan pasien mana di seluruh populasi yang akan mendapat manfaat dari tes yang lebih mendalam sebelum pengobatan.

Pendanaan untuk penelitian ini disediakan oleh hibah NYU Melanoma SPORE P50CA225450, hibah Melanoma Research Alliance 622668, dan hibah American Cancer Society RSG-15-189-01-RMC.

Selain Johannet, Tsirigos, dan Osman, peneliti NYU Langone lainnya termasuk Nicolas Coudray, DEA, PhD; Douglas Donnelly, BS; George Jour, MD; Irineu Illa-Bochaca; Yuhe Xia, MSc; Sofia Nomikou; Judy Zhong, PhD; Anna Pavlick, LAKUKAN; dan Jeffrey Weber, MD, PhD. Rekan penulis studi lainnya adalah Douglas Johnson, MD; Lee Wheless, MD, PhD; dan James Patrinely, MD; di Vanderbilt University di Nashville, Tenn. David Rimm, MD, PhD, di Yale University di New Haven, Conn., juga terlibat dalam penelitian ini.


Diposting Oleh : http://54.248.59.145/

About the author