מודל בינה מלאכותית בשם CHIEFי(Clinical Histopathology Imaging Evaluation Foundation) לאבחון וחיזוי פרוגנוזה של סרטן באמצעות ניתוח תמונות היסטופתולוגיות, הוצג במחקר חדש שפורסם בכתב העת Nature בראשית החודש. המודל פותח כדי להתגבר על מגבלות של השיטות הקיימות, שלעתים קרובות מוגבלות ביכולתן להכליל תמונות שנוצרו בפרוטוקולים שונים או דגימות שנאספו מאוכלוסיות שונות.
עוד בעניין דומה
המודל CHIEF משתמש בשתי שיטות אימון משלימות: למידה לא מפוקחת (unsupervised learning) לזיהוי מאפיינים ברמת קטעי התמונה ולמידה מפוקחת חלקית (weakly supervised learning) לזיהוי דפוסים בתמונה השלמה. המודל פותח באמצעות 60,530 תמונות שלמות מ-19 אזורים אנטומיים שונים ועבר אימון על 44 טרה-בייט של מאגרי נתונים של תמונות פתולוגיות ברזולוציה גבוהה.
המודל הצליח להפיק ייצוגים מיקרוסקופיים שימושיים לזיהוי תאי סרטן, זיהוי מקור הגידול, אפיון פרופיל מולקולרי וחיזוי פרוגנוזה. הוא אומת בהצלחה על 19,491 תמונות שלמות מ-32 קבוצות משטחים עצמאיות שנאספו מ-24 בתי חולים ומחקרים ברחבי העולם.
התוצאות מראות כי CHIEF עולה בביצועיו על שיטות למידה עמוקה מתקדמות אחרות בעד 36.1% ומציג יכולת להתמודד עם שינויים בתחום הנצפים בדגימות מאוכלוסיות מגוונות ומעבדות עם שיטות הכנת משטחים שונות. החוקרים מסכמים כי CHIEF מספק בסיס כללי ויעיל להערכת פתולוגיה דיגיטלית עבור חולי סרטן.
הירשמו לקבלת עדכונים בנושאים שעלו בכתבה
