Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

Alat AI baru yang dikembangkan oleh para peneliti di pusat medis terkemuka di Texas siap untuk meningkatkan cara diagnosis kanker metastatik. Dengan menganalisis MRI dan data klinis secara berkala, model pembelajaran mendalam memberikan pendekatan non-bedah untuk menentukan penyebaran kanker, terutama ke kelenjar getah bening. Inovasi ini menjanjikan informasi penting bagi dokter untuk perencanaan pengobatan, sehingga berpotensi memungkinkan banyak pasien menghindari operasi yang tidak perlu dan meningkatkan prognosis mereka.

Kanker payudara metastatik, penyebab utama kematian akibat kanker payudara, seringkali memerlukan biopsi kelenjar getah bening sentinel (SLNB) untuk mengetahui penyebaran kanker. Meski efektif, prosedur invasif ini memiliki risiko, termasuk komplikasi anestesi dan nyeri pasca operasi. Model AI baru menggunakan jaringan saraf konvolusional empat dimensi (4D CNN) yang dilatih berdasarkan data MRI dinamis dengan peningkatan kontras dan informasi klinis dari ratusan wanita untuk memberikan alternatif yang tidak terlalu invasif. Pengembangan model ini didukung oleh penggunaan sumber daya komputasi berkinerja tinggi dan GPU canggih, sehingga memungkinkan pelatihan dan pemrosesan data menjadi efisien.

Dengan menggabungkan kekuatan pemrosesan pemindaian MRI 3D dari waktu ke waktu dengan data pasien, kami dapat mendeteksi pola yang mengindikasikan invasi kelenjar getah bening oleh kanker dengan akurasi 89%. Kinerja ini mengungguli ahli radiologi dan modalitas pencitraan lainnya dan dapat mengurangi kebutuhan biopsi kelenjar getah bening sentinel dan prosedur terkait. Tim peneliti, yang dipimpin oleh mantan ilmuwan komputasi di Texas Medical Center, menekankan bahwa model ini berfokus pada data tumor primer untuk meminimalkan kebutuhan pencitraan tambahan atau pengujian invasif. .

Tim peneliti, termasuk rekan penulis studi, yang saat ini bekerja sebagai insinyur HPC di NVIDIA, bertujuan untuk menerapkan model AI ke dalam lingkungan klinis dan mengumpulkan data dunia nyata. Langkah ini penting untuk memvalidasi efektivitas model dan mengidentifikasi peluang perbaikan dan penerapan yang lebih luas. Tujuannya adalah untuk lebih menyempurnakan alat ini dan menjadikannya sumber terpercaya dalam memerangi kanker payudara dan kanker lainnya.