Svi iLive sadržaji medicinski se pregledavaju ili provjeravaju kako bi se osigurala što je moguće točnija činjenica.
Imamo stroge smjernice za pronalaženje izvora i samo povezujemo s uglednim medijskim stranicama, akademskim istraživačkim institucijama i, kad god je to moguće, medicinski pregledanim studijama. Imajte na umu da su brojevi u zagradama ([1], [2], itd.) Poveznice koje se mogu kliknuti na ove studije.
Ako smatrate da je bilo koji od naših sadržaja netočan, zastario ili na neki drugi način upitan, odaberite ga i pritisnite Ctrl + Enter.
Umjetna inteligencija može predvidjeti prognozu kod trostruko negativnog raka dojke
Posljednji pregledao: 02.07.2025
Istraživači s Karolinska instituta u Švedskoj proučavali su koliko dobro različiti modeli umjetne inteligencije mogu predvidjeti prognozu trostruko negativnog raka dojke analizirajući određene imunološke stanice unutar tumora. Studija, objavljena u časopisu eClinicalMedicine, važan je korak prema korištenju umjetne inteligencije u liječenju raka za poboljšanje zdravlja pacijenata.
Tumor-infiltrirajući limfociti su vrsta imunoloških stanica koje igraju važnu ulogu u borbi protiv raka. Kada su prisutni u tumoru, to znači da imunološki sustav pokušava napasti i uništiti stanice raka.
Ove imunološke stanice mogu biti važne za predviđanje kako će pacijentica s takozvanim trostruko negativnim rakom dojke reagirati na liječenje i kako će bolest napredovati. Međutim, rezultati procjene imunoloških stanica mogu se razlikovati kada to rade patolozi. Umjetna inteligencija (UI) može pomoći u standardizaciji i automatizaciji ovog procesa, ali je teško dokazati da UI dovoljno dobro funkcionira za upotrebu u zdravstvu.
Usporedba deset modela umjetne inteligencije
Istraživači su testirali deset različitih modela umjetne inteligencije i usporedili njihovu sposobnost analize limfocita koji infiltriraju tumor u trostruko negativnim uzorcima tkiva raka dojke.
Rezultati su pokazali da se analitički učinci modela umjetne inteligencije razlikuju. Unatoč tim razlikama, osam od deset modela pokazalo je dobru prediktivnu sposobnost, što znači da su mogli predvidjeti buduće zdravstveno stanje pacijenata na sličan način.
Čak su i modeli trenirani na manjem broju uzoraka pokazali dobru prediktivnu sposobnost, što ukazuje na to da su limfociti koji infiltriraju tumor pouzdan biomarker", rekao je Balázs Aç, istraživač na Odjelu za onkologiju i patologiju Karolinska instituta.
Potrebno je neovisno istraživanje
Studija pokazuje da su potrebni veliki skupovi podataka za usporedbu različitih alata umjetne inteligencije i osiguranje njihove kvalitete prije implementacije u zdravstvu. Iako su rezultati obećavajući, potrebna je dodatna validacija.
„Naša studija naglašava važnost neovisnih studija koje oponašaju kliničku praksu u stvarnom svijetu“, kaže Balazs Aç. „Samo kroz takva ispitivanja možemo biti sigurni da su alati umjetne inteligencije pouzdani i učinkoviti za kliničku upotrebu.“