Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

O algoritmo de aprendizagem profundo pode exactamente detectar os caminhos moleculars, mutações chaves no cancro colorectal

Um algoritmo de aprendizagem profundo novo criado por pesquisadores da universidade de Warwick pode pegarar os caminhos e a revelação moleculars das mutações chaves que causam o cancro colorectal mais exactamente do que os métodos existentes, significando pacientes poderiam tirar proveito das terapias visadas com tempo de resposta mais rápido e em um mais barato.

Trate rapidamente e eficientemente o cancro colorectal o estado dos caminhos moleculars envolvidos na revelação e as mutações da chave do cancro devem ser determinadas. Os métodos actuais a fazer envolvem assim os testes genéticos caros, que podem ser um processo lento.

Contudo, os pesquisadores do departamento da informática na universidade de Warwick têm explorado como a aprendizagem de máquina pode ser usada para prever o estado de três caminhos moleculars do cancro colorectal principal e de tumores hyper-transformados. Uma característica chave do método é que não exige nenhuma anotações manual em imagens digitadas das corrediças cancerígenos do tecido.

No papel, no “supervisionados fraca profundamente aprendendo a estrutura prever o estado de caminhos moleculars e das mutações chaves no cancro colorectal das imagens rotineiras da histologia”, publicado hoje o 19th de outubro, na saúde de The Lancet Digital do jornal, os pesquisadores da universidade de Warwick exploraram como a aprendizagem de máquina pode detectar três mutações chaves das imagens da inteiro-corrediça das corrediças Colorectal do cancro manchadas com Hematoxylin e eosina, como uma substituição aos regimes actuais do teste para estes caminhos e mutações.

Os pesquisadores propor um algoritmo iterativo novo da amostra do tracção-e-grau, que possa seleccionar secundário-imagens representativas ou telhas de uma imagem da inteiro-corrediça sem precisar nenhumas anotações detalhadas na pilha ou nível regional por um patologista. Essencialmente o algoritmo novo pode leverage a potência de dados crus do pixel para prever clìnica mutações e caminhos importantes para o cancro do cólon, sem intercepção humana.

A amostra iterativa do tracção-e-grau trabalha treinando uma rede neural circunvolucional profunda para identificar as regiões da imagem as mais com carácter de previsão dos parâmetros moleculars chaves em cancros colorectal. Uma característica chave da amostra iterativa do tracção-e-grau é que permite uma análise sistemática e dados-conduzida da composição celular das telhas da imagem fortemente com carácter de previsão de caminhos moleculars colorectal.

A precisão da amostra iterativa do tracção-e-grau foi analisada igualmente pelos pesquisadores, que encontraram que para a previsão dos três caminhos moleculars do cancro colorectal principal e das mutações chaves seu algoritmo provado ser significativamente mais exactos do que métodos publicados corrente.

Isto significa que o algoritmo novo pode potencial ser usado para estratificar pacientes para terapias visadas, em uns mais baixos custos e em um tempo de resposta mais rápido, em relação a arranjar em seqüência ou mancha especial às aproximações baseadas após a validação em grande escala.

Eu sou muito entusiasmado sobre a possibilidade de uso iterativo do algoritmo da amostra do tracção-e-grau detectar caminhos moleculars e as mutações chaves no cancro colorectal e seleccionar provavelmente pacientes tirar proveito das terapias visadas em mais barato com tempo de resposta mais rápido. Nós igualmente estamos olhando para a frente ao passo seguinte vital de validar nosso algoritmo em grandes coortes multi-céntricas.”

O Dr. Mohsin Bilal, autor do estudo o primeiros e cientista dos dados na analítica da imagem do tecido centram-se, universidade de Warwick

O professor Nasir Rajpoot, director do centro de TIA em Warwick e autor superior do estudo, comenta:

“Este estudo demonstra como os algoritmos espertos podem leverage a potência de dados crus do pixel para prever clìnica mutações e caminhos importantes para o cancro do cólon. Uma vantagem principal de nosso algoritmo iterativo da amostra do tracção-e-grau é que não exige anotações demoradas e laboriosas dos patologistas peritos.

“Estes resultados abrem a possibilidade de uso potencial da amostra iterativa do tracção-e-grau seleccionar provavelmente pacientes tirar proveito das terapias visadas e fazem aquele a mais baixos custos e com tempo de resposta mais rápido em relação a arranjar em seqüência ou marcador especial às aproximações baseadas.

“Nós agora estaremos olhando para conduzir uma grande validação multi-céntrica deste algoritmo para pavimentar a maneira para sua adopção clínica.”