ERMD：突破！科学家有望开发出一种新型的乳腺癌人工智能诊断工具
来源：中检健康
编辑：中检健康
时间：2019-12-09
日前，一项刊登在国际杂志Expert Review of Molecular Diagnostics上的研究报告中，来自兰卡斯特大学等机构的科学家们通过研究开发出了一种新方法，其或能识别出不同类型乳腺癌的特殊化学“指纹”，这些指纹就能被用来开发一种AI软件，从而制造出一种新型工具快速且准确地对乳腺癌进行诊断。
文章中，研究人员利用一种名为“拉曼光谱”的专门化学分析技术对活组织进行分析，识别出了多种类型乳腺癌的分子结构特性以及每一种癌症彼此之间的差异。拉曼光谱分析能提供细胞的实时信息，并用来检测细胞的行为、扩散以及在机体中何时出现等。当识别出乳腺癌细胞的化学指纹并观察到其改变的方式后，研究人员就能利用这些信息来训练复杂的机器学习算法识别四种不同的癌症亚型。
这种算法能够以较高的准确率（70%-100%）预测每一种癌症亚型的诊断模式，此前研究人员能利用相类似的算法来识别其它类型的癌症和疾病，比如皮肤癌、肺癌等。下一步研究人员将会开发一种新型数据库，其将涵盖不同类型乳腺癌细胞的化学特征，这些数据库能通过利用机器学习的手段来训练一种高度人工智能的算法，最终帮助开发一种新型的诊断工具，与乳腺X光检查和MRI扫描同时使用。
研究者表示，这种新型算法能提供快速的信息来帮助科学家们进行疾病的快速诊断，此外，这种手段还能帮助确定疾病在其进展不同阶段的状态，对于开发新型个体化疗法至关重要。研究者Ihtesham Rehman表示，本文研究对于开发新方法来识别不同类型乳腺癌的化学结构至关重要，如今我们就能利用这些指纹信息来开发复杂的算法来准确识别不同的癌症亚型。
将振动光谱（Vibrational spectroscopy）与数据挖掘和机器学习手段相结合就能够以较高的准确率对生物性样本进行实时分析（包括癌症组织等），从而就能够开发出一种强大的新工具，配合 现有的技术来帮助临床医生更准确和及时地对多种疾病进行监测。（生物谷Bioon.com）
原始出处：
Abdullah C.S. Talari, Shazza Rehman & Ihtesham U Rehman. Advancing cancer diagnostics with artificial intelligence and spectroscopy: identifying chemical changes associated with breast cancer, Expert Review of Molecular Diagnostics (2019). DOI:10.1080/14737159.2019.1659727
文章中，研究人员利用一种名为“拉曼光谱”的专门化学分析技术对活组织进行分析，识别出了多种类型乳腺癌的分子结构特性以及每一种癌症彼此之间的差异。拉曼光谱分析能提供细胞的实时信息，并用来检测细胞的行为、扩散以及在机体中何时出现等。当识别出乳腺癌细胞的化学指纹并观察到其改变的方式后，研究人员就能利用这些信息来训练复杂的机器学习算法识别四种不同的癌症亚型。
这种算法能够以较高的准确率（70%-100%）预测每一种癌症亚型的诊断模式，此前研究人员能利用相类似的算法来识别其它类型的癌症和疾病，比如皮肤癌、肺癌等。下一步研究人员将会开发一种新型数据库，其将涵盖不同类型乳腺癌细胞的化学特征，这些数据库能通过利用机器学习的手段来训练一种高度人工智能的算法，最终帮助开发一种新型的诊断工具，与乳腺X光检查和MRI扫描同时使用。
研究者表示，这种新型算法能提供快速的信息来帮助科学家们进行疾病的快速诊断，此外，这种手段还能帮助确定疾病在其进展不同阶段的状态，对于开发新型个体化疗法至关重要。研究者Ihtesham Rehman表示，本文研究对于开发新方法来识别不同类型乳腺癌的化学结构至关重要，如今我们就能利用这些指纹信息来开发复杂的算法来准确识别不同的癌症亚型。
将振动光谱（Vibrational spectroscopy）与数据挖掘和机器学习手段相结合就能够以较高的准确率对生物性样本进行实时分析（包括癌症组织等），从而就能够开发出一种强大的新工具，配合 现有的技术来帮助临床医生更准确和及时地对多种疾病进行监测。（生物谷Bioon.com）
原始出处：
Abdullah C.S. Talari, Shazza Rehman & Ihtesham U Rehman. Advancing cancer diagnostics with artificial intelligence and spectroscopy: identifying chemical changes associated with breast cancer, Expert Review of Molecular Diagnostics (2019). DOI:10.1080/14737159.2019.1659727
（声明：本网站部分图片、文章来源于网络，本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系，我们将及时删除）
