Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

L'intelligenza artificiale può individuare AML con l'alta affidabilità

L'intelligenza artificiale può individuare uno dei moduli più comuni del cancro di sangue - leucemia mieloide acuta (AML) - con l'alta affidabilità. I ricercatori al centro tedesco per le malattie di Neurodegenerative (DZNE) ed all'università di Bonn ora hanno indicato questo in uno studio del proof of concept. Il loro approccio è basato sull'analisi dell'attività di gene delle celle trovate nel sangue. Usato in pratica, questo approccio ha potuto supportare i sistemi diagnostici convenzionali e possibilmente accelerare l'inizio della terapia. I risultati della ricerca sono stati pubblicati nel giornale “iScience„.

L'intelligenza artificiale è un argomento molto discusso nella medicina, particolarmente nel campo dei sistemi diagnostici.

Abbiamo mirato a studiare il potenziale in base ad un esempio specifico. Poiché questo richiede un gran numero di dati, abbiamo valutato i dati sull'attività di gene dei globuli. I numerosi studi sono stati effettuati su questo argomento ed i risultati sono disponibili attraverso i database. Quindi, c'è un raggruppamento di dati enorme. Abbiamo raccolto virtualmente tutto che fosse attualmente disponibile.„

Prof. Joachim Schultze, una guida del gruppo di ricerca al DZNE ed al capo del dipartimento per genomica e Immunoregulation all'istituto delle CALCE dell'università di Bonn

Impronta digitale di attività di gene

Schultze ed i suoi colleghi hanno messo a fuoco “sul transcriptome„, che è un genere di impronta digitale di attività di gene. In ogni cella, secondo il suo stato, soltanto determinati geni realmente “sono inseriti„, che è riflesso nei loro profili di attività di gene. Tali dati - derivati dalle celle in campioni di sangue e nella misurazione delle molte migliaia di geni - sono stati analizzati esattamente nello studio corrente. “Il transcriptome tiene le informazioni importanti circa lo stato delle celle. Tuttavia, i sistemi diagnostici classici è basato sui dati differenti. Quindi abbiamo voluto scoprire che cosa un'analisi del transcriptome può raggiungere facendo uso di intelligenza artificiale, cioè algoritmi addestrabili,„ ha detto Schultze, che è membro al del cluster basato a Bonn “di ImmunoSensation„ di eccellenza. “A lungo termine, intendiamo applicare questo approccio ad ulteriori argomenti, in particolare nel campo di demenza.„

Lo studio corrente messo a fuoco su AML. Senza trattamento adeguato, questo modulo della leucemia piombo alla morte nelle settimane. AML è associato con la proliferazione delle celle patologico alterate del midollo osseo, che possono infine entrare nella circolazione sanguigna. Infine sia le celle in buona salute che le celle del tumore vanno alla deriva nel sangue. Tutte queste celle esibiscono i reticoli tipici di attività di gene, che tutti sono stati considerati nell'analisi. I dati da più di 12.000 campioni di sangue - questi è venuto da 105 studi differenti - sono stati considerati: il più grande gruppo di dati fin qui per un metastudy su AML. Circa 4.100 di questi campioni di sangue derivati dalle persone diagnosticate con AML, quei rimanenti erano stati prelevati dalle persone con altre malattie o dalle persone in buona salute.

Alta percentuale di successo

Gli scienziati hanno alimentato le loro parti di algoritmi di questo insieme di dati. L'input ha compreso le informazioni su se un campione è venuto da un paziente di AML oppure no. “Gli algoritmi poi hanno cercato il transcriptome i reticoli specifici di malattia. Ciò è un trattamento in gran parte automatizzato. Ha chiamato l'apprendimento automatico,„ ha detto Schultze. Sulla base di questo riconoscimento di forme, ulteriori dati sono stati analizzati e classificato stati per gli algoritmi, cioè categorizzato nei campioni con AML e senza AML. “Naturalmente, abbiamo conosciuto la classificazione mentre è stata quotata nei dati originali, ma il software non ha fatto. Poi abbiamo controllato la percentuale di successo. Era superiore a 99 per cento per alcuni dei metodi applicati. Infatti, abbiamo verificato i vari metodi dal repertorio dell'apprendimento automatico e dell'intelligenza artificiale. C'era realmente un algoritmo che era particolarmente buono, ma gli altri erano vicini dietro.„

Applicazione in pratica?

Messo nell'applicazione, questo metodo potrebbe supportare i sistemi diagnostici convenzionali e la guida comprimere i costi, ha detto Schultze. “In linea di principio, un campione di sangue prelevato dal medico di famiglia ed inviato ad un laboratorio per l'analisi ha potuto bastare. Indovino che il costo sarebbe di meno di 50 euro.„ I sistemi diagnostici classici di AML comprende vari metodi. Alcuni di questi hanno costato alcuni cento euro per esecuzione, Schultze hanno notato. “Tuttavia, ancora non abbiamo sviluppato una prova realizzabile. Abbiamo indicato soltanto che l'approccio funziona in linea di principio. Così abbiamo steso il fondamento per sviluppare una prova.„

Schultze ha sottolineato che la diagnosi di AML continuerà a richiedere i medici specializzati in futuro. “Lo scopo è di fornire agli esperti uno strumento che li supporta nella loro diagnosi. Inoltre, molti pazienti passano con un'odissea reale finché definitivo non finiscano con uno specialista ed ottengano una diagnosi.„ Poiché nelle fasi iniziali i sintomi di AML possono somigliare a quelli di cattivo freddo. Tuttavia, AML è una malattia pericolosa che dovrebbe essere trattata il più rapidamente possibile. “Con un'analisi del sangue, poichè sembra possibile in base al nostro studio, è concepibile che il medico di famiglia già chiarirebbe un sospetto di AML. E quando il sospetto è confermato, il paziente si riferisce a uno specialista. Possibilmente, la diagnosi poi accadrebbe più presto di ora fa e la terapia potrebbe cominciare più presto.„

Source:
Journal reference:

Warnat-Herresthal, S., et al. (2019) Scalable prediction of acute myeloid leukemia using high-dimensional machine learning and blood transcriptomics. iScience. doi.org/10.1016/j.isci.2019.100780.