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'algoritmo di apprendimento profondo può individuare esattamente le vie molecolari, mutazioni chiave nel cancro colorettale

Un nuovo algoritmo di apprendimento profondo creato dai ricercatori dall'università di Warwick può prendere le vie e lo sviluppo molecolari delle mutazioni chiave che causano più esattamente il cancro colorettale dei metodi attuali, significanti i pazienti potrebbero trarre giovamento dalle terapie mirate a con i tempi di ritorno più rapidi e ad un più a basso costo.

Per tratti rapidamente ed efficientemente il cancro colorettale lo stato delle vie molecolari in questione nello sviluppo e le mutazioni di tasto del cancro devono essere risolute. I metodi correnti da agire in tal modo comprendono le prove genetiche costose, che possono essere un trattamento lento.

Tuttavia, i ricercatori dal dipartimento dell'informatica all'università di Warwick stanno esplorando come l'apprendimento automatico può essere usato per predire lo stato di tre vie molecolari del cancro colorettale principale e dei tumori iper-mutati. Una caratteristica fondamentale del metodo è che non richiede alcune annotazioni manuali sulle immagini digitalizzate delle diapositive cancerogene del tessuto.

Nel documento, “nell'sorvegliati debolmente in profondità imparando la struttura per predire lo stato delle vie molecolari e delle mutazioni chiave nel cancro colorettale dalle immagini sistematiche dell'istologia„, pubblicato oggi i 19th di ottobre, nella salubrità di The Lancet Digital del giornale, i ricercatori dall'università di Warwick hanno esplorato come l'apprendimento automatico può individuare tre mutazioni chiave dalle immagini della intero-diapositiva delle diapositive colorettali del cancro macchiate con Hematoxylin e l'eosina, come alternativa ai regimi correnti di prova per queste vie e mutazioni.

I ricercatori propongono un algoritmo iterativo novello di campionatura dell'tiraggio-e-ordine, che può selezionare le sotto-immagini rappresentative o le mattonelle a partire da un'immagine della intero-diapositiva senza avere bisogno di alcune annotazioni dettagliate alla cella o dei livelli regionali da un patologo. Essenzialmente il nuovo algoritmo può fare leva la potenza dei dati da rivedere del pixel per la predizione clinicamente le mutazioni e delle vie importanti per tumore del colon, senza intercettazione umana.

La campionatura iterativa dell'tiraggio-e-ordine funziona preparando una rete neurale dell'avvolgimento profonda per identificare le regioni di immagine più premonirici dei parametri molecolari chiave nei cancri colorettali. Una caratteristica fondamentale della campionatura iterativa dell'tiraggio-e-ordine è che permette da un'ad un'analisi sistematica e guidata da dati della composizione cellulare delle mattonelle di immagine forte premonirici delle vie molecolari colorettali.

L'accuratezza della campionatura iterativa dell'tiraggio-e-ordine egualmente è stata analizzata dai ricercatori, che hanno trovato che per la previsione delle tre vie molecolari del cancro colorettale principale e delle mutazioni chiave il loro algoritmo rivelato essere sensibilmente più accurati dei metodi pubblicati corrente.

Ciò significa che il nuovo algoritmo può potenzialmente essere usato per stratificare i pazienti per le terapie mirate a, ai bassi costi ed ai tempi di ritorno più rapidi, rispetto all'ordinamento o agli approcci basati macchia speciale dopo la convalida su grande scala.

Sono molto emozionante circa la possibilità di uso iterativo di algoritmo di campionatura dell'tiraggio-e-ordine individuare le vie molecolari e le mutazioni chiave nel cancro colorettale e selezionare i pazienti probabilmente trarre giovamento dalle terapie mirate a ad più a basso costo con i tempi di ritorno più rapidi. Egualmente stiamo guardando in avanti al punto seguente vitale di convalida del nostro algoritmo sui grandi gruppi multi-centrici.„

Il Dott. Mohsin Bilal, autore di studio il primi e scienziato di dati nell'analisi dei dati di immagine del tessuto concentrano, università di Warwick

Il professor Nasir Rajpoot, Direttore del centro di TIA a Warwick ed autore senior dello studio, osservazioni:

“Questo studio dimostra come gli algoritmi astuti possono fare leva la potenza dei dati da rivedere del pixel per la predizione clinicamente le mutazioni e delle vie importanti per tumore del colon. Un vantaggio importante del nostro algoritmo iterativo di campionatura dell'tiraggio-e-ordine è che non richiede le annotazioni che richiede tempo e laboriose dai patologi esperti.

“Questi risultati aprono la possibilità di uso potenziale della campionatura iterativa dell'tiraggio-e-ordine selezionare i pazienti probabilmente trarre giovamento dalle terapie mirate a e fanno quello ai bassi costi e con i tempi di ritorno più rapidi rispetto all'ordinamento o agli approcci basati indicatore speciale.

“Ora guarderemo per condurre una grande convalida multi-centrica di questo algoritmo per aprire la strada per la sua approvazione clinica.„