為了有效治療結(jié)直腸癌，必須確定參與癌癥發(fā)展和關(guān)鍵突變的分子途徑
目前進行基因測試以檢測突變和途徑，這可能很昂貴，可能需要數(shù)周時間
華威大學研究人員提出一種無需人工標注的高精度機器學習新算法，可檢測結(jié)直腸癌的三個關(guān)鍵分子通路
與目前的方法相比，這些發(fā)現(xiàn)開辟了選擇可能以更低的成本和更快的周轉(zhuǎn)時間從靶向治療中受益的患者的可能性
由華威大學的研究人員創(chuàng)建的一種新的深度學習算法可以比現(xiàn)有方法更準確地獲取導致結(jié)直腸癌的關(guān)鍵突變的分子途徑和發(fā)展，這意味著患者可以以更快的周轉(zhuǎn)時間和更低的成本從靶向治療中受益。
為了快速有效地治療結(jié)直腸癌，必須確定參與癌癥發(fā)展和關(guān)鍵突變的分子途徑的狀態(tài)。目前這樣做的方法涉及昂貴的基因測試，這可能是一個緩慢的過程。
然而，華威大學計算機科學系的研究人員一直在探索如何使用機器學習來預測三種主要的結(jié)直腸癌分子通路和超突變腫瘤的狀態(tài)。該方法的一個關(guān)鍵特征是它不需要對癌組織載玻片的數(shù)字化圖像進行任何手動注釋。
在今天10 月19日發(fā)表在《柳葉刀數(shù)字健康》雜志上的論文中，“一種弱監(jiān)督的深度學習框架，可根據(jù)常規(guī)組織學圖像預測結(jié)直腸癌中分子通路和關(guān)鍵突變的狀態(tài)”，華威大學的研究人員探索了機器學習如何從用蘇木精和伊紅染色的結(jié)直腸癌載玻片的全載玻片圖像中檢測三個關(guān)鍵突變，作為這些途徑和突變的當前測試方案的替代方案。
研究人員提出了一種新穎的迭代繪制和排序采樣算法，該算法可以從整個幻燈片圖像中選擇具有代表性的子圖像或圖塊，而無需病理學家在細胞或區(qū)域級別進行任何詳細的注釋。從本質(zhì)上講，新算法可以利用原始像素數(shù)據(jù)的強大功能來預測臨床上重要的結(jié)腸癌突變和途徑，而無需人工攔截。
迭代繪制和排序采樣通過訓練深度卷積神經(jīng)網(wǎng)絡來識別最能預測結(jié)直腸癌關(guān)鍵分子參數(shù)的圖像區(qū)域。迭代繪制和排序采樣的一個關(guān)鍵特征是它能夠?qū)D像塊的細胞組成進行系統(tǒng)和數(shù)據(jù)驅(qū)動的分析，強烈預測結(jié)腸直腸分子通路。
研究人員還分析了迭代抽取和排序采樣的準確性，他們發(fā)現(xiàn)對于三種主要的結(jié)直腸癌分子途徑和關(guān)鍵突變的預測，他們的算法被證明比當前已發(fā)表的方法更準確。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！