Medikaynak Search
Üye Ol Üye Giriş
Medikaynak Menü

İnsan papilloma virüsü (HPV) veya Epstein Barr virüsü (EBV) gibi onkojenik virüsler, insan kanserinin önemli bir nedenidir. Viral onkogenezin tedavi kararları üzerinde doğrudan etkisi vardır, çünkü virüsle ilişkili tümörler daha düşük bir kemoterapi ve radyasyon yoğunluğu gerektirebilir veya immün kontrol noktası inhibisyonuna daha duyarlı olabilir. HPV veya EBV gibi kansere yol açabilecek virüs belirtileri, her zaman doğru olmayan pahalı testlerle doku numunelerinde bulunabilir. HPV ve EBV için moleküler testler hazır olarak mevcut değildir.

Yapılan yeni bir çalışma araştırmacılar, yapay zekanın virüs işaretlerini güvenilir bir şekilde yakalayabildiğini ve doktorlara da onları tespit etmelerini öğretebildiğini gösterdiler.

Almanya'daki RWTH Aachen Üniversite Hastanesi araştırmacıları, Cancer Genome Atlas'tan tümör doku örneklerinin görüntülerini kullanarak bir sinir ağı modelini eğittiler. Eğitim görüntüleri, yüzde 12'si HPV için pozitif baş boyun kanserli 412 kişiden ve yüzde 8'i EBV için pozitif mide kanserli 317 kişiden geliyordu. Sinir ağı, HPV'li numunelerde virüsün varlığını %89, EBV'li numunelerde ise %80 oranında doğru bir şekilde tanımladı. Ekip daha sonra yapay sinir ağından alınan sahte doku örnek görüntülerini, Deep Dream adlı bir bilgisayarlı görüş algoritmasını kullanarak, yapay zekanın virüslerin işaretlerini bulduğunda "gördüğü desenlerde hangi temel özellikleri olduğunu görmelerini sağladı.

Kanser İlişkili Virüsleri Daha İyi Tanımak Mümkün

Araştırmacılar elde ettikleri sonuçları, özellikleri tanımlayan uzman bir patolog paneline gösterdiler. HPV-negatif görüntülerde "parlak, ağırlıklı olarak sıcak renklerden oluşan küçük bir nodül levhası ve HPV-pozitif görüntülerde "kırmızı noktalarla işaretlenmiş koyu renkli, çoğunlukla soğuk renklerden oluşan yuvarlak kenarlı büyük yuvalar gördüler. EBV-negatif görüntüler " mavi noktalı ve bir tutam sarılı hasta görünümlü koyu yeşil halkalar ve EBV-pozitif görüntüler "pastel renklerde boyanmış desenlerle örtüşen tabakalar gösterdi.

Araştırmacılar, bu kalıpların, doktorların kanserle ilişkili virüslerin belirtilerini daha iyi tespit etmelerine yardımcı olabileceğini öne sürdüler. Klinik çalışmalarda veya klinik rutinde virüsle ilişkili kanserleri tanımlamak için hızlı ve düşük maliyetli bir yöntem sağladıklarını belirttiler. Aynı zamanda, özellik görselleştirme yaklaşımının, patologların, bilgisayar tabanlı görüntü sınıflandırmalarının uygunluğunu kontrol etmelerini sağlayarak, derin öğrenme kara kutularına bakmalarını sağlayacağını aktardılar.

Medikaynak Referanslar

Jakob Nikolas Kather, Jefree Schulte, Heike I. Grabsch, Chiara Loeffler, Hannah Muti, James Dolezal, Andrew Srisuwananukorn, Nishant Agrawal, Sara Kochanny, Saskia von Stillfried, Peter Boor, Takaki Yoshikawa, Dirk Jaeger, Christian Trautwein, Peter Bankhead, Nicole A. Cipriani, Tom Luedde, Alexander T. Pearson. Deep learning detects virus presence in cancer histology, bioRxiv 2019.

+ Tüm Referansları Göster
  1. Benzer İçerikler