Krebszellen zeichnen sich durch künstliche Intelligenz basierende system

Bei Krebspatienten kann es enorme Unterschiede in der Art der Krebszellen von patient zu patient, auch innerhalb der gleichen Krankheit. Identifizierung von bestimmten Zelltypen, kann sehr nützlich sein bei der Wahl der Behandlung, die am effektivsten wären, aber die Methoden, dies zu tun, sind zeitaufwendig und scheitert oft an den menschlichen Fehler und die Grenzen des menschlichen Sehens.

In a-Dur Voraus, dass signal könnte eine neue ära in der Diagnose und Behandlung von Krebs, ein team an der Osaka University und seine Kollegen haben gezeigt, wie diese Probleme überwunden werden können durch eine künstliche Intelligenz-basierte system identifizieren können, dass verschiedene Arten von Krebs-Zellen einfach durch den scan-mikroskopische Aufnahmen, eine höhere Genauigkeit, als menschliche Urteil. Dieser Ansatz könnte erhebliche Vorteile im Bereich der Onkologie.

Das system basiert auf ein convolutional neural network, eine form der künstlichen Intelligenz angelehnt an das menschliche visuelle system. In dieser Studie, berichtet in der Zeitschrift Cancer Research, dieses system wurde angewandt, um zu unterscheiden Krebszellen von Mäusen und Menschen, sowie gleichwertige Zellen, die ebenfalls ausgewählt worden, die für die Resistenz gegen Strahlung.

„Wir zuerst trainiert unser system auf 8.000 Bilder von Zellen, die aus einem Phasen-Kontrast-Mikroskop,“ corresponding author Hideshi Ishii sagt. „Wir haben dann getestet seine Genauigkeit auf weitere 2000 Bilder, um zu sehen, ob es hatte gelernt, die Eigenschaften unterscheiden, dass der Maus Krebs Zellen von Mensch und radioresistant Krebszellen von radiosensitive.“

Bei der Erstellung einer zweidimensionalen plot der Ergebnisse, die durch das system, die Ergebnisse für jede Zelle geben Sie drängten sich zusammen, während deutlich getrennt von den anderen Zellen. Dabei zeigte sich, dass, nach dem training, könnte das system korrekt zu identifizieren, Zellen auf der Basis der mikroskopischen Bilder von Ihnen allein.

„Durch die Automatisierung und hohe Genauigkeit mit diesem system identifizieren können, sollten die Zellen sehr nützlich sein, genau zu bestimmen, welche Zellen in einem tumor oder zirkulieren im Körper von Krebs-Patienten“, führt der Autor Masayasu Toratani sagt. „Zum Beispiel, zu wissen, ob oder nicht radioresistant Zellen vorhanden sind, ist entscheidend bei der Entscheidung, ob eine Strahlentherapie wirksam wäre, und der gleiche Ansatz kann dann angewendet werden, nach der Behandlung, um zu sehen, ob es die gewünschte Wirkung hatte.“