新的深度学习算法能更有效地捡起基因突变在结肠直肠癌

一种新的深度学习算法由华威大学的研究人员可以拿起关键突变导致结直肠癌的分子途径和发展比现有方法更准确,这意味着病人可以受益于靶向治疗更快的周转时间和以更低的成本。

为了快速有效地治疗结直肠癌的分子通路的状态参与开发和关键突变必须确定的癌症。当前的方法这样做涉及昂贵的基因测试,这可以是一个缓慢的过程。

然而,研究人员从华威大学计算机科学系一直在探索如何使用机器学习来预测三个主要的状态结直肠癌的分子途径和hyper-mutated肿瘤。该方法的一个关键特性是,它不需要任何手工注释在癌组织的数字化图像幻灯片。

摘要“深弱监督学习框架来预测状态的分子途径和关键突变结直肠癌常规组织学图像,“今天公布的19^th10月,在《华尔街日报》《柳叶刀》数字健康,华威大学的研究人员探索如何机器学习可以检测结直肠癌的三个关键突变从张幻灯片图片幻灯片与苏木精和伊红染色,作为这些通路的替代当前的测试制度和突变。

研究人员提出了一种新的迭代draw-and-rank抽样算法,可以选择代表子图片或瓦片从张幻灯片图像不需要任何详细的注释细胞病理学家或地区水平。本质上新算法可以利用的力量原始像素数据预测临床上重要的突变和结肠癌通路,没有人类的拦截。

迭代draw-and-rank抽样是通过培训深卷积神经网络识别图像地区最有预测力的结肠直肠癌的关键分子参数。迭代draw-and-rank取样的一个关键特性是,它使一个系统和数据驱动的分析细胞图像贴片组成强烈预测大肠癌的分子通路。

迭代draw-and-rank取样的准确性也被研究人员分析,他发现预测的三个主要的结直肠癌分子途径和关键突变算法被证明是比目前的出版方法更准确。

这意味着新算法可以用于分层患者靶向治疗,以较低的成本和更快的周转时间,相比基于测序或特殊染色方法在大规模的验证。

Mohsin Bilal博士,该研究的第一作者数据科学家的组织图像分析(TIA)中心华威大学,说:“我非常兴奋的可能性迭代draw-and-rank抽样算法用于检测分子通路和关键的突变结肠直肠癌并选择患者可能受益于靶向治疗以较低的成本和更快的周转时间。我们也期待着下一步的验证算法在大型multi-centric军团。”

中心主任教授纳西尔Rajpoot TIA华威和该研究的资深作者,评论说:“这项研究展示了智能算法可以利用原始像素数据预测的力量临床上重要的突变和结肠途径癌症。迭代draw-and-rank抽样算法的主要优点是,它不需要费时费力和注释从专家病理学家。“这些发现开放的潜在使用迭代draw-and-rank的可能性抽样选择患者可能受益于靶向治疗和以较低的成本和更快的周转时间比基于测序或特殊标记的方法。

“我们将会进行大multi-centric验证该算法为临床采用铺平道路。”

---

---