Teknologi AI baru bertujuan untuk melacak asal usul kanker untuk pengobatan yang optimal: ‘Sebuah langkah besar’

Untuk sebagian kecil pasien kanker, dokter tidak dapat menentukan dari mana penyakit itu berasal.

Untuk membantu menentukan asal muasal kanker primer yang tidak diketahui (CUP), para peneliti di Massachusetts Institute of Technology (MIT) model kecerdasan buatan yang menganalisis informasi genetik pasien dan memprediksi di mana tumor pertama kali muncul.

Saat menggunakan model AI baru untuk 900 pasien penderita kanker yang tidak diketahui asalnya, para peneliti menemukan bahwa mereka mampu mengklasifikasikan secara akurat setidaknya 40% tumor, menurut sebuah penelitian yang diterbitkan di Nature Medicine.

APA ITU KECERDASAN BUATAN (AI)?

Informasi ini dapat membantu dokter merekomendasikan perawatan terbaik yang ditargetkan untuk hal ini pasien kankerkata peneliti.

“Studi kami menunjukkan bahwa OncoNPC, model AI yang kami kembangkan, dapat menggunakan data genom yang dikumpulkan secara rutin untuk membantu pengambilan keputusan klinis bagi pasien dengan tumor kanker primer yang tidak diketahui (CUP), yang secara konvensional sulit didiagnosis dan memiliki pilihan pengobatan yang terbatas. ,” Intae Moon, seorang mahasiswa pascasarjana MIT di bidang teknik elektro dan ilmu komputer yang merupakan penulis utama studi ini, mengatakan kepada Fox News Digital.

“Kami telah menunjukkan bahwa tumor CUP memiliki karakteristik genetik dan prognostik yang sama dengan prediksi jenis kankernya dan mungkin mendapat manfaat dari pengobatan yang ada saat ini yang dipandu oleh prediksi OnoNPC.”

TEKNOLOGI AI MENANGKAP KANKER SEBELUM GEJALA DENGAN EZRA, PEMINDAI MRI SELURUH TUBUH

Para peneliti juga menemukan bahwa 15% pasien dapat menerima pengobatan yang ditargetkan jika asal kanker mereka terdeteksi.

Penelitian memiliki keterbatasan, kata para peneliti

Meskipun para peneliti menggunakan data dari berbagai pusat untuk melatih model AI-nya, Moon menunjukkan bahwa data klinis yang digunakan untuk analisis terperinci hanya berasal dari satu institusi.

Hal ini mungkin membatasi seberapa baik temuan tersebut dapat diterapkan pada situasi lain.

“Keterbatasan lainnya adalah sebagian besar (83,2%) pasien dalam data pelatihan berkulit putih, yang berarti alat ini mungkin lebih akurat untuk pasien berkulit putih,” kata Moon.

“Meskipun kinerjanya masih cukup baik untuk etnis lain, penyelidikan yang lebih menyeluruh diperlukan untuk memastikan bahwa model ini bermanfaat bagi populasi pasien yang beragam.”

AI TECH TUJUAN MENDETEKSI KANKER PAYUDARA DENGAN MENiru GERAKAN MATA RADIOLOGI: ‘TEMAN YANG KRITIS’

Selain itu, hanya 22 yang termasuk yang paling umum jenis kanker dianggap mengklasifikasikan tumor – artinya jika suatu tumor termasuk dalam jenis yang tidak terdaftar, prediksinya mungkin kurang pasti.

“Penyelidikan yang lebih menyeluruh diperlukan untuk memastikan bahwa model ini bermanfaat bagi populasi pasien yang beragam.”

“Kami berharap dapat menyelesaikan masalah ini secara bertahap seiring kami mengumpulkan dan mengumpulkan data yang lebih komprehensif,” kata Moon.

AI TERBUKTI MEMPREDIKSI RISIKO KANKER PANKREAS SEBELUM GEJALA MUNCUL

“Kesimpulannya, meskipun temuan kami menunjukkan bahwa pasien dengan CUP yang diklasifikasikan berdasarkan algoritma kami memiliki respons klinis yang lebih baik terhadap pengobatan yang ‘cocok’, pada akhirnya ini masih merupakan analisis retrospektif,” tambahnya.

“Penelitian prospektif secara acak akan diperlukan untuk memastikan bahwa hubungan tersebut bersifat sebab akibat.”

Saat menggunakan model AI baru (tidak diperlihatkan) pada 900 pasien penderita kanker yang tidak diketahui asalnya, para peneliti menemukan bahwa mereka mampu mengklasifikasikan secara akurat setidaknya 40% tumor. (Ariana Lindquist/Bloomberg melalui Getty Images)

Moon mencatat bahwa para peneliti melihat OncoNPC sebagai algoritma untuk digunakan bersama dengan pengobatan kanker konvensional – bukan sebagai pengganti.

“Penting untuk memvalidasi hasil studi kami di berbagai institusi, yang kami lihat sebagai langkah penting berikutnya,” katanya.

“Dalam jangka panjang, kami berharap hal ini memotivasi lebih banyak penelitian tentang heterogenitas dalam CUP dan mengarah pada lebih banyak pilihan pengobatan.”

APLIKASI AI MEMBANTU ORANG DEWASA LANJUT MENGELOLA RESEP DENGAN SATU FOTO: ‘ASISTEN KESEHATAN PRIBADI ANDA’

Ke depan, para peneliti berharap untuk mengintegrasikan data tidak terstruktur seperti gambar patologi dan catatan klinis, memungkinkan AI untuk mendapatkan pemahaman yang lebih holistik tentang tumor.

“Temuan ini menggembirakan, dan memberikan wawasan penting tentang bagaimana kita dapat menangani kasus-kasus kompleks seperti ini.”

“Ini berpotensi meningkatkan kemampuannya dalam berbagai tugas, termasuk memprediksi kelangsungan hidup secara langsung dan pengobatan yang optimal,” kata Moon.

‘Langkah Penting’

Dr. Tinglong Dai, profesor manajemen operasi dan analisis bisnis di Johns Hopkins Carey Business School Baltimore, Marylandbukan bagian dari penelitian MIT. Namun dia melihat penelitian ini sebagai “langkah penting menuju mengidentifikasi rencana pengobatan yang optimal untuk pasien dengan kanker yang tidak diketahui asalnya.”

Para peneliti juga menemukan bahwa 15% pasien dapat menerima pengobatan yang ditargetkan jika asal kanker mereka terdeteksi. (iStock)

“Temuan ini menggembirakan, dan memberikan wawasan penting tentang bagaimana kita dapat menangani kasus-kasus kompleks seperti ini,” katanya kepada Fox News Digital.

“Namun, perlu dicatat bahwa sifat retrospektif penelitian ini berarti memerlukan validasi lebih lanjut melalui studi lapangan untuk menilai kinerja sebenarnya.”

KLIK DI SINI UNTUK MENDAFTAR NEWSLETTER KESEHATAN KAMI

Mengenai penggunaan pendekatan ini di dunia nyata, Dai mengatakan bagaimana dokter mengintegrasikan dan menggunakan model tersebut latihan mereka sehari-hari merupakan faktor penting.

“Penerimaan mereka dan penerapan model yang efektif akan sangat penting untuk menerjemahkan bukti menjadi strategi yang dapat ditindaklanjuti,” katanya.

KLIK DI SINI UNTUK MENDAPATKAN APLIKASI FOX NEWS

Dai menegaskan kembali bahwa memasukkan data tidak terstruktur, seperti gambar patologi, dapat menambah lebih banyak lapisan informasi dan meningkatkan akurasi prediksi.

Dia menambahkan: “Integrasi berbagai sumber data hampir pasti akan menghasilkan pendekatan yang lebih kuat.”