Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Mettre d'AI d'améliorer des résultats de transplantation cardiaque

L'équipe des chercheurs biomédicaux au centre pour la représentation de calcul et la diagnose personnalisée (CCIPD) a abordé des aspects variés de cancer de poumon, de cancer du sein, de cancer du côlon et de plus depuis que le centre a été lancé à l'université occidentale de réserve de cas en 2012 par le pionnier Anant Madabhushi de bio-ingénierie.

Maintenant, le laboratoire de Madabhushi et les associés à l'École de Médecine de Perelman à la clinique d'Université de Pennsylvanie (Penn) et de Cleveland, utilisant la recherche en matière (AI) renseignement renseignement artificielle de médicament de précision, appliquent ces mêmes techniques pour regarder quels cardiaques seront pour recevoir ou rejeter un coeur neuf.

Leur équipe a été récent attribuée un de quatre ans, les instituts $3,2 millions nationaux de la concession de la santé (NIH) pour poursuivre le projet.

La clinique de Cleveland, le Penn, et le centre médical de Cèdre-Sinai fourniront les caractéristiques--images chiffrées des biopsies des patients qui ont déjà eu des greffes. Puis, Madabhushi et Kenneth B. Margulies, DM, un professeur de médicament cardiovasculaire chez Penn, s'appliqueront les techniques IA Aux caractéristiques pour voir si les images de première biopsie pourraient plus exactement avoir prévu quels patients recevraient ou rejetteraient le coeur neuf.

« Mettant d'AI »

En ce moment, les pathologistes regardent les biopsies et emploient leur propre plan de grade basé sur les caractéristiques du tissu cardiaque. Ce que nous faisons, met d'AI et de visibilité d'ordinateur d'analyser les images de tissu de biopsie discerner à quantitativement et reproductible différentes pentes cardiaques de refus. »

Anant Madabhushi, professeur de F. Alex Nason II de génie biomédical à la réserve occidentale de cas

Madabhushi et son équipe de recherche au centre, qui est allé bien à un chef global dans la recherche en matière motivée par l'AI de médicament de précision, numérote maintenant plus de 60 stagiaires, étudiants de troisième cycle et étudiants préparant une licence post-doctoraux.

Au cas où après cas, ils enseigneraient avec succès les ordinateurs d'AI pour trouver des variations parmi des milliers d'images chiffrées de cancers variés--anomalies en grande partie invisibles à l'oeil nu.

Ces variations d'agencement cellulaire et d'apparence, une fois interprétées par des algorithmes développés par les chercheurs, ont aidé des scientifiques dans des études précédentes plus exactement à prévoir quels patients répondront mieux à la chimiothérapie ou à l'immunothérapie, par exemple, ou recenseront des différences dans la façon dont les cellules cancéreuses apparaissent parmi les groupes raciaux, entre d'autres découvertes.

Cependant, à la différence des laboratoires entreprenant d'autres expériences profond-apprenantes d'AI--désigné sous le nom « de la boîte noire » s'approche par Madabhushi parce que le procédé pour obtenir à la réponse est essentiellement caché dans seul l'algorithme--le CCIPD s'est également concentré sur des caractéristiques plus interprétables, il a dit.

Ce sera vrai dans cette étude aussi bien, Madabhushi a dit.

« L'architecture spatiale des myocytes et des lymphocytes (les deux types de cellules cardiaques) dans des biopsies de coeur a été longtemps identifiée par des pathologistes comme cachet de rejet de greffe, » Madabhushi a dit.

Il a ajouté que son travail de laboratoire aidera « à traduire cette évaluation humaine humain de structure cellulaire en statistiques quantitatives de l'effet spatial et proximité relative des myocytes et des lymphocytes en ce qui concerne l'un l'autre. »

Refus de transplantation cardiaque

La recherche prouve que les la plupart des risques importants d'une transplantation cardiaque est le fuselage du patient rejetant le coeur de distributeur, en partie parce que système immunitaire du fuselage le « peut voir le coeur de distributeur comme corps étranger et essayer de le rejeter, qui peut endommager le coeur. »

Ces refus représentent environ 10% de toutes les morts dans les trois premières années après greffe, selon le centre national pour l'information de biotechnologie, une division du NIH.

Ainsi, connaître à l'avance la probabilité du refus effectuerait une différence importante pour des pathologistes et des chirurgiens, Madabhushi a dit.

Supplémentaire, les chercheurs planification :

  • Prévoyez comment les patients feront sur le long terme, c.-à-d., non seulement s'ils recevront ou rejetteront le coeur de distributeur, mais s'ils resteront en bonne santé et pendant combien de temps.
  • Comparez les performances relatives des ordinateurs contre un pathologiste humain pour prévoir exactement l'acceptation transplantée ou le refus d'un coeur. La recherche précédente de CCIPD a prouvé que vainquent interne leurs homologues humaines dans la capacité diagnostique. Madabhushi a indiqué que la recherche ne propose pas que les machines remontent des pathologistes, mais qu'elles fonctionneront ensemble et les patients bénéficieront.
  • Meilleur définissez quel Madabhushi appelé « le soutien moléculaire » des tissus cardiaques. « Nous essayons de comprendre la biologie derrière les caractéristiques, » il a dit. « Les machines voient seulement les différences dans l'agencement spatial, mais ne peuvent pas nous dire pourquoi. Nous voulons démystifier également « la boîte noire » de l'AI, de sorte que le pathologiste humain puisse avoir plus de confiance dans ce que l'ordinateur est lui disant qu'il a vu. »