Secara tradisional, peneliti dan profesional medis mengidentifikasi patologi, atau tanda-tanda penyakit, dengan menganalisis dan memberi label pada jaringan di bawah mikroskop, seperti gambar penyakit testis (atrofi tubular) yang ditampilkan di sini—sebuah proses yang dapat memakan waktu berjam-jam untuk satu slide atau gambar. . Mannequin kecerdasan buatan “pembelajaran mendalam” yang dikembangkan di VSU mampu mengidentifikasi patologi jauh lebih cepat daripada manusia, dan terkadang mendeteksi tanda-tanda yang terlewatkan oleh ahli patologi manusia. Kredit: Eric Nilsson, Laboratorium Skinner, Universitas Negeri Washington
Mannequin kecerdasan buatan pembelajaran mendalam yang dikembangkan di Washington State College dapat mengidentifikasi patologi atau tanda-tanda penyakit pada gambar jaringan hewan dan manusia dengan lebih cepat, dan seringkali lebih akurat.
Perkembangan tersebut, yang dirinci dalam Laporan Ilmiah, dapat secara dramatis mempercepat laju penelitian terkait penyakit. Hal ini juga mempunyai potensi untuk meningkatkan prognosis medis, seperti mendeteksi kanker dari gambar biopsi dalam hitungan menit, sebuah proses yang biasanya memakan waktu beberapa jam bagi ahli patologi manusia.
“Program pembelajaran mendalam berbasis AI ini sangat, sangat akurat dalam mengamati jaringan-jaringan ini,” kata Michael Skinner, ahli biologi VSU dan salah satu koresponden makalah tersebut. “Ini bisa merevolusi jenis pengobatan ini untuk hewan dan manusia, yang pada dasarnya membuat jenis analisis ini menjadi lebih baik.”
Untuk mengembangkan mannequin AI, ilmuwan komputer Colin Greeley, mantan mahasiswa pascasarjana WSU, dan profesor penasihatnya, Lawrence Holder, melatihnya menggunakan gambar dari studi epigenetik masa lalu yang dilakukan oleh laboratorium Skinner. Studi-studi ini mencakup tanda-tanda penyakit pada tingkat molekuler pada jaringan ginjal, testis, ovarium dan prostat pada tikus dan mencit.
Para peneliti kemudian menguji AI dengan gambar dari penelitian lain, termasuk penelitian yang mengidentifikasi kanker payudara dan metastasis kelenjar getah bening.
Para peneliti menemukan bahwa mannequin pembelajaran mendalam AI yang baru tidak hanya dengan cepat mengidentifikasi patologi, namun juga lebih cepat dibandingkan mannequin sebelumnya – dan dalam beberapa kasus, mendeteksi kasus-kasus yang terlewatkan oleh tim manusia terlatih.
“Saya pikir kita sekarang memiliki cara untuk mengidentifikasi penyakit dan jaringan yang lebih cepat dan akurat dibandingkan manusia,” kata Holder, salah satu penulis studi tersebut.
Secara tradisional, jenis analisis ini memerlukan kerja keras dari tim yang terdiri dari orang-orang terlatih khusus yang memeriksa dan memberi anotasi pada slide jaringan menggunakan mikroskop—seringkali saling memeriksa pekerjaan satu sama lain untuk mengurangi kesalahan manusia.
Dalam penelitian epigenetik Skinner, yang melibatkan mempelajari perubahan proses molekuler yang mempengaruhi perilaku gen tanpa mengubah DNA itu sendiri, analisis ini bisa memakan waktu satu tahun atau bahkan lebih untuk penelitian besar. Kini dengan mannequin AI pembelajaran mendalam yang baru, mereka bisa mendapatkan knowledge yang sama dalam beberapa minggu, kata Skinner.
Pembelajaran mendalam adalah metode kecerdasan buatan yang mencoba meniru otak manusia, sebuah metode yang melampaui pembelajaran mesin tradisional, kata Holder. Sebaliknya, mannequin pembelajaran mendalam disusun oleh jaringan neuron dan sinapsis. Jika mannequin melakukan kesalahan, mannequin akan “belajar” dari kesalahan tersebut, menggunakan proses yang disebut backpropagation, membuat banyak perubahan di seluruh jaringannya untuk memperbaiki kesalahan tersebut, sehingga mannequin tidak akan mengulanginya lagi.
Tim peneliti merancang mannequin pembelajaran mendalam VSU untuk memproses gambar gigapiksel beresolusi sangat tinggi, yang berarti gambar tersebut mengandung miliaran piksel. Untuk mengatasi ukuran file besar dari gambar-gambar ini, yang dapat memperlambat komputer terbaik sekalipun, para peneliti merancang mannequin AI untuk melihat ubin particular person yang lebih kecil namun tetap menempatkannya dalam konteks bagian yang lebih besar, tetapi pada resolusi yang lebih rendah. prosesnya bertindak seperti memperbesar dan menjauhkan mikroskop.
Mannequin pembelajaran mendalam ini telah menarik perhatian peneliti lain, dan tim Holder saat ini berkolaborasi dengan peneliti kedokteran hewan VSU untuk mendiagnosis penyakit pada sampel jaringan rusa dan rusa.
Para penulis juga menunjukkan potensi mannequin ini untuk meningkatkan penelitian dan prognosis pada manusia, khususnya untuk kanker dan penyakit terkait gen lainnya. Selama ada knowledge, seperti gambar beranotasi yang mengidentifikasi kanker di jaringan, peneliti dapat melatih mannequin AI untuk melakukan pekerjaan tersebut, kata Holder.
“Jaringan yang kami rancang merupakan jaringan tercanggih,” kata Holder. “Kami melakukan perbandingan dengan beberapa sistem lain dan kumpulan data lain untuk pekerjaan ini, dan hasilnya mengalahkan semuanya.”
Informasi lebih lanjut: Colin Greeley dkk, Analisis dan validasi slide histopatologi dengan pembelajaran mendalam yang terukur, Laporan Ilmiah (2024). DOI: 10.1038/s41598-024-76807-k
Disediakan oleh Universitas Negeri Washington
Kutipan: Metode AI Dapat Menemukan Potensi Penyakit Lebih Cepat, Lebih Baik Daripada Manusia (2024, 14 November) Diakses pada 16 November 2024, dari https://medicalkpress.com/nevs/2024-11-ai-method-potential-disease-faster . html
Dokumen ini memiliki hak cipta. Kecuali untuk transaksi wajar untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.
