Tıp

Makine Öğrenme Modeli Sayesinde Akciğer Kanseri Slaytlarının Patolog Seviyesinde Sınıflandırılması

Dartmouth'daki Norris Cotton Cancer Centre'daki bir araştırma ekibi; dünya genelinde kansere bağlı ölümlerin en yaygın sebebi olan akciğer adenokarsinomunun alt tiplerini ve tümör modellerini derecelendirme görevine yardımcı olmak için makine öğrenme yeteneklerinden yararlandı.

Makine öğrenimi son yıllarda çarpıcı şekilde gelişti ve tıbbi görüntü analizi alanında büyük umutlar vermeye devam ediyor. Dartmouth Norris Cotton Cancer Centre‘daki bir araştırma ekibi; dünya genelinde kansere bağlı ölümlerin en yaygın sebebi olan akciğer adenokarsinomunun alt tiplerini ve tümör modellerini derecelendirme görevine yardımcı olmak için makine öğrenme yeteneklerinden yararlandı.

Günümüzde, akciğer adenokarsinomunda; patologun tümör kalıplarını ve alt tiplerini belirlemek için, lobektomi* slaytlarının görsel olarak incelenmesini gerektirir. Bu sınıflamanın akciğer kanseri için tedavinin belirlenmesinde önemli bir rolü vardır. Ancak zor ve öznel bir iştir. Makine öğrenimindeki son gelişmeleri kullanan, Dr. Saeed Hassanpour liderliğindeki ekip; histopatoloji slaytlarındaki farklı tipte akciğer adenokarsinomunu sınıflandırmak için derin bir sinir ağı geliştirdi. Ayrıca modelin üç pratik patolog ile aynı performansta olduğunu buldu.

Hassanpour: “Çalışmamız, makine öğreniminin zorlu bir görüntü sınıflandırma görevinde yüksek performans sağlayabildiğini ve akciğer kanseri yönetiminde bir varlık olma potansiyeline sahip olduğunu gösteriyor. Sistemimizin klinik uygulaması; prognoz (hastalık seyri) ve tedavi için kritik olan akciğer kanseri alt tiplerinin doğru sınıflandırılmasında patologlara yardımcı olabilir.”

Akciğer kanseri sınıflandırmasını geliştirme yeteneğini doğrulamak için derin öğrenme modelini klinik bir ortamda test etmenin yanı sıra; ekip bu yöntemi meme, özofagus ve kolorektal kanserdeki diğer zorlu histopatoloji görüntü analizi görevlerine uygulamayı planlıyor.

Hassanpour: “Klinik deneylerle doğrulanırsa, sinir ağı modelimiz patolojilere yardımcı olmak için klinik açıdan potansiyel olarak uygulanabilir. Makine öğrenme yöntemimiz de hızlıdır ve bir slaytı bir dakikadan daha az bir sürede işleyebilir. Bu nedenle hastaları doktorlar tarafından muayene edilmeden önce tetiklemeye yardımcı olabilir ve potansiyel olarak slaytların görsel olarak incelenmesinde patologlara yardımcı olabilir.”

*Lobektomi: Akciğer, karaciğer, tiroid bezi gibi organlardan cerrahi müdahaleyle bir lobun tamamen çıkarılıp alınmasını belirten bir tıbbi terimdir.

Kaynak:
Dorthmourth-Hitchcock Norris Cotton Cancer Center medicalxpress
Etiketler
1 Oy2 Oy3 Oy4 Oy5 Oy (2 oy verildi, Ortalama: 5 üzerinden 5,00 oy )
Loading...

Benzer Makaleler

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Close