Gli scienziati dell’Ohio State University hanno progettato un nuovo modello di intelligenza artificiale che emula studi clinici randomizzati per determinare le opzioni di trattamento più efficaci nel prevenire l’ictus nelle persone con malattie cardiache.
Researchers envision a day when clinicians can tap into algorithms loaded with huge datasets to access a patient’s “digital twin” and let the model function as a treatment guide. Photo: Getty Images
Il modello di intelligenza artificiale è stato chiamato CURE, che è in grado di stimare l’effetto causale di diverse terapie per ridurre il rischio di ictus. Il modello è stato addestrato su una vasta quantità di dati generici e successivamente ottimizzato con informazioni specifiche sulle condizioni di salute e i trattamenti. Secondo gli autori, il modello ha superato sette modelli esistenti e ha prodotto raccomandazioni di trattamento simili a quattro trial clinici randomizzati. L’obiettivo non è sostituire la ricerca clinica standard, ma accelerare i trial clinici e supportare la personalizzazione delle cure.
La diagnosi di carie si basa solitamente su un esame clinico e su test supplementari come le radiografie. L’accuratezza di un test diagnostico viene valutata dalla sua sensibilità, specificità e accuratezza. Vari algoritmi e configurazioni di reti neurali vengono utilizzati per la diagnosi della carie.
Questa revisione sistematica ha valutato la sensibilità, la specificità e l’accuratezza dell’utilizzo dell’apprendimento automatico profondo attraverso una rete neurale convoluzionale nella diagnosi della carie dentale. Nella ricerca sono stati utilizzati i database PubMed, MEDLINE e LILACS e i descrittori MeSH e DECs.
Dalle conclusioni è emerso che la precisione nell’utilizzo dell’intelligenza artificiale per la diagnosi della carie è risultata elevata, rendendola uno strumento essenziale per l’odontoiatria.
This article is a preprint and has not been certified by peer review [what does this mean?]. It reports new medical research that has yet to be evaluated and so should not be used to guide clinical practice.
I ricercatori del National Institutes of Health (NIH) hanno creato uno strumento di intelligenza artificiale che utilizza i dati delle singole cellule all’interno dei tumori per prevedere la risposta di una persona a un farmaco specifico. Questo strumento potrebbe aiutare i medici a abbinare in modo più preciso i pazienti affetti da cancro con farmaci efficaci per il loro tipo di cancro.
I tumori contengono diversi tipi di cellule e sottopopolazioni, che potrebbero rispondere in modo diverso ai farmaci, spiegando così la mancata risposta o la resistenza ad essi.
I ricercatori hanno studiato l’utilizzo del transfer learning per addestrare un modello di intelligenza artificiale in grado di prevedere le risposte ai farmaci utilizzando dati di sequenziamento di RNA in massa, e poi mettere a punto il modello utilizzando dati di sequenziamento di RNA a singola cellula.
Hanno creato modelli per 44 farmaci antitumorali approvati dalla FDA e hanno previsto con precisione le risposte delle singole cellule ai farmaci. La piattorma di intelligenza artificiale PERCEPTION (PERsonalized Single-Cell Expression-Based Planning for Treatments In ONcology), ha previsto con successo lo sviluppo di resistenza nei pazienti trattati con terapie mirate per il cancro del polmone non a piccole cellule.
I ricercatori dell’University of Cambridge hanno progettato e utilizzato una strategia basata sull’intelligenza artificiale per identificare i composti che bloccano l’aggregazione, o aggregazione, dell’alfa-sinucleina, la proteina che caratterizza il Parkinson.
Il team ha utilizzato tecniche di apprendimento automatico per esaminare rapidamente una libreria chimica contenente milioni di voci e ha identificato cinque composti altamente potenti per ulteriori indagini.
“L’apprendimento automatico sta avendo un impatto reale sulla scoperta dei farmaci: sta accelerando l’intero processo di identificazione dei candidati più promettenti” – afferma il prof. Michele Vendruscolo.
Utilizzando l’apprendimento automatico, i ricercatori sono stati in grado di accelerare il processo di screening iniziale di dieci volte e di ridurre i costi di mille volte, il che potrebbe significare che i potenziali trattamenti per il morbo di Parkinson raggiungono i pazienti molto più velocemente. I risultati sono riportati sulla rivista “Nature Chemical Biology“.
La steatosi epatica è la malattia epatica cronica più frequente al mondo. L’ecografia (US) è comunemente utilizzata per la valutazione e la diagnosi.
Una ricerca innovativa è stata pubblicata sulla rivista “European Journal of Internal Medicine” dimostrando che uno specifico algoritmo di AI facilita e potenzia la diagnosi ecografica di fegato grasso (steatosi epatica).
L’algoritmo, attualmente in fase di brevetto, “promette di rivoluzionare la diagnosi precoce della steatosi epatica che affligge il 20-45% della popolazione adulta mondiale e che ha potenzialità evolutive verso infiammazione, fibrosi, cirrosi e carcinoma epatico” – afferma il prof. Piero Portincasa.
I ricercatori sottolineano la potenzialità dell’algoritmo “che acquisisce, memorizza, elabora ed esporta rapidamente dati ed immagini di qualità, un aspetto fondamentale nel campo della telemedicina diagnostica”. “L’algoritmo, totalmente computerizzato, rende il monitoraggio della steatosi epatica indipendente dalla intrinseca variabilità legata a singoli operatori.”
I ricercatori del National Institutes of Health hanno applicato l’intelligenza artificiale (AI) a una tecnica che produce immagini ad alta risoluzione delle cellule dell’occhio. Riferiscono che con l’intelligenza artificiale, l’imaging è 100 volte più veloce e migliora il contrasto dell’immagine di 3,5 volte. Questo progresso, dicono, fornirà ai ricercatori uno strumento migliore per valutare la degenerazione maculare legata all’età (AMD) e altre malattie della retina.
AI makes retinal imaging (almost) a snap
Il lavoro del prof. Tam si concentra sull’epitelio pigmentato retinico (RPE), uno strato di tessuto dietro la retina sensibile alla luce. L’RPE supporta i neuroni retinici e la sua rottura è associata a molte malattie della retina. L’imaging delle cellule RPE con AO-OCT presenta sfide, come il fenomeno chiamato macchiolina, che interferisce con le immagini. La gestione delle macchie è simile alla gestione della copertura nuvolosa, e i ricercatori riproducono ripetutamente le immagini delle cellule per superare questa sfida.
Il nuovo metodo basato sull’intelligenza artificiale chiamato Parallel discriminator generative adversarial network (P-GAN), un algoritmo di deep learning. Alimentando la rete P-GAN con quasi 6.000 immagini acquisite con AO-OCT e analizzate manualmente di RPE umano, ciascuna abbinata al corrispondente originale maculato, il team ha addestrato la rete a identificare e recuperare le caratteristiche cellulari oscurate dalle macchioline. “La nostra intelligenza artificiale P-GAN renderà l’imaging AO più accessibile per applicazioni cliniche di routine e per studi volti a comprendere la struttura, la funzione e la fisiopatologia delle malattie retiniche che causano cecità” – afferma il prof. Tam.
Secondo uno studio della Washington University School of Medicine in St. Louis, l’uso dell’intelligenza artificiale (AI) per integrare le valutazioni dei radiologi sulle mammografie potrebbe migliorare lo screening del cancro al seno riducendo i falsi positivi senza perdere casi di cancro.
On average, radiologists find one case of cancer (bottom images) in every 200 mammograms they evaluate. The top images show no cancer. In a recent study, researchers at Washington University School of Medicine in St. Louis and Whiterabbit.ai showed that AI assistance potentially could improve breast-cancer screening by reducing the number of false positives without missing true positives.
I ricercatori hanno confrontato i risultati ottenuti dall’AI con quelli dei medici, evidenziando una riduzione significativa delle chiamate per esami diagnostici e biopsie quando l’AI aveva identificato le mammografie negative. Inoltre, sia l’approccio basato sull’AI che quello basato sulle procedure diagnostiche standard hanno identificato lo stesso numero di casi di cancro.
Questo studio suggerisce che l’uso dell’AI potrebbe ridurre il numero di chiamate per esami diagnostici senza compromettere l’identificazione dei casi di cancro.
BeatProfiler è un software completo che automatizza l’analisi della funzione cellulare cardiaca dai dati video ed è il primo sistema a integrare l’analisi di diversi indicatori di funzione cardiaca, come la contrattilità, la gestione del calcio e l’output di forza, in un unico strumento, accelerando significativamente il processo e riducendo la possibilità di errori.
BeatProfiler ha permesso ai ricercatori non solo di distinguere tra diverse malattie e livelli di gravità, ma anche di testare rapidamente e oggettivamente i farmaci che influenzano la funzione cardiaca.
Introducing BeatProfiler v1.0
“Questo è veramente uno strumento trasformativo“, ha detto il prof. Gordana Vunjak-Novakovic. “È veloce, completo, automatizzato e compatibile con una vasta gamma di piattaforme informatiche, quindi è facilmente accessibile ai clinici”. “Utilizzando l’apprendimento automatico, le misurazioni funzionali analizzate da BeatProfiler ci hanno aiutato a distinguere tra cellule cardiache malate e sane con elevata precisione e persino a classificare diversi farmaci cardiaci in base al loro effetto sul cuore” afferma il prof. Gordana Vunjak-Novakovic.
Una sessione di realtà virtuale (VR) di 10 minuti ha ridotto significativamente il dolore nei pazienti ospedalizzati con cancro in uno studio clinico pubblicato da Wiley online su “CANCER“. Anche il giorno dopo, i partecipanti hanno riscontrato benefici duraturi.
Le sessioni di realtà virtuale che immergono l’utente in nuovi ambienti sono un modo non invasivo e non farmacologico per ridurre il dolore in diverse popolazioni di pazienti. Negli esperimenti il dott. Hunter Groninger, MD, della Georgetown University School of Medicine e MedStar Health e i suoi colleghi hanno randomizzato 128 adulti affetti da cancro con dolore moderato o grave a un intervento VR immersivo di 10 minuti che coinvolgeva ambienti calmi e piacevoli.
“I risultati di questo studio suggeriscono che la realtà virtuale immersiva può essere un’utile strategia non farmacologica per migliorare l’esperienza del dolore da cancro”, ha affermato il dott. Groninger. “Mentre questo studio è stato condotto tra pazienti ospedalizzati, studi futuri dovrebbero anche valutare le terapie del dolore VR in ambito ambulatoriale ed esplorare l’impatto di diversi contenuti VR per migliorare diversi tipi di dolore correlato al cancro in diverse popolazioni di pazienti“.
I ricercatori della Stanford Medicine hanno ideato un nuovo modello di intelligenza artificiale, SyntheMol, che crea ricette per i chimici per sintetizzare i farmaci in laboratorio.
Il nuovo modello,SyntheMol, ha creato strutture e ricette chimiche per sei nuovi farmaci volti a uccidere i ceppi resistenti di Acinetobacter baumannii, uno dei principali patogeni responsabili delle morti legate alla resistenza antibatterica.
AI model SyntheMol develops six new drugs to fight antibiotic-resistant bacteria.
Il modello è stato addestrato per creare potenziali farmaci utilizzando una libreria di oltre 130.000 elementi costitutivi molecolari e una serie di reazioni chimiche convalidate. Ha generato non solo il composto finale, ma anche i passaggi necessari con questi elementi costitutivi, fornendo ai ricercatori una serie di ricette per produrre i farmaci.
SyntheMol ha generato circa 25.000 possibili antibiotici e le ricette per realizzarli in meno di nove ore. Per evitare che i batteri sviluppassero rapidamente resistenza ai nuovi composti, i ricercatori hanno poi filtrato i composti generati selezionando solo quelli che erano dissimili dai composti esistenti.
Il prof. James Zou ha dichiarato: “Ora non abbiamo solo molecole completamente nuove, ma anche istruzioni esplicite su come produrle“. “Questa intelligenza artificiale sta davvero progettando e insegnandoci questa parte completamente nuova dello spazio chimico che gli esseri umani non hanno mai esplorato prima“.
Un team guidato da scienziati dell’Arizona State University ha sviluppato uno strumento di apprendimento basato sull’intelligenza artificiale chiamato HLA Inception (human leukocyte antigen) che ha scoperto nuove informazioni su come il sistema immunitario di una singola persona risponde alle cellule estranee.
Concentrandosi sul gruppo di proteine chiamato Major Histocompatibility Complex-1 (MHC-1), lo strumento basato sull’intelligenza artificiale può in pochi secondi classificare il gruppo specifico di proteine uniche per un individuo e prevedere se le difese immunitarie di una persona possono riconoscere pezzi minacciosi di virus e tumori.
La comprensione di queste informazioni di interazione molecolare individualizzata rappresenta un’enorme promessa per la creazione di nuovi farmaci antitumorali personalizzati con il potenziale di trasformare la cura dei pazienti.
In questa review pubblicata su “Frontiers in Drug Safety and Regulation” i ricercatori dell’Università di Verona descrivono il ruolo dell’AI nella ricerca farmacologica presente e futura, sottolineandone le potenzialità senza trascurare le sfide ancora aperte.
Numerosi utilizzi pratici dell’intelligenza artificiale in medicina sono stati investigati con successo per l’elaborazione delle immagini, la diagnosi e la previsione delle malattie, nonché la gestione dei trattamenti farmacologici, sottolineando la necessità di educare i professionisti della salute su questi approcci emergenti.
Questa recensione narrativa fornisce una panoramica delle principali opportunità e sfide presentate dall’intelligenza artificiale in farmacologia, in particolare per quanto riguarda la valutazione della sicurezza dei farmaci dopo il lancio sul mercato.
In un passo verso l’informatica neuromorfica basata sulla nanofluidica, o ispirata al cervello, gli ingegneri dell’Ecole Polytechnique Fédérale di Losanna sono riusciti a eseguire un’operazione logica collegando due chip che utilizzano ioni, anziché elettroni, per elaborare i dati.
“Noi abbiamo realizzato un nuovo dispositivo nanofluidico per applicazioni di memoria che è significativamente più scalabile e molto più performante rispetto ai tentativi precedenti“, afferma il ricercatore post-dottorato del LBEN Théo Emmerich. “Ciò ci ha permesso, per la prima volta, di collegare due ‘sinapsi artificiali’ del genere, aprendo la strada per la progettazione di hardware liquido ispirato al cervello”.
Per il loro studio, i ricercatori hanno immerso il loro dispositivo in una soluzione acquosa elettrolitica contenente ioni di potassio, ma potrebbero essere utilizzati anche altri, tra cui sodio e calcio. “Possiamo regolare la memoria del nostro dispositivo cambiando gli ioni che usiamo, il che influenza come passa da acceso a spento, o quanta memoria memorizza”, spiega Emmerich.
Questo risultato rappresenta la prima dimostrazione di operazioni logiche digitali basate su dispositivi ionici simili a sinapsi. La pubblicazione sulla rivista “Nature Electronics“.
Un’app mobile che utilizza l’intelligenza artificiale, l’AI, per analizzare le immagini di sospette lesioni cutanee può diagnosticare il melanoma con altissima precisione. Ciò è dimostrato in uno studio condotto dall’Università di Linköping in Svezia, dove l’app è stata testata nell’assistenza primaria. I risultati sono stati pubblicati sul “British Journal of Dermatology“.
Sono stati condotti numerosi studi su immagini di lesioni cutanee raccolte in precedenza e tali studi concordano relativamente sul fatto che l’intelligenza artificiale è efficace nel distinguendo quelli pericolosi da quelli innocui.
Per scoprire quanto bene l’app basata sull’intelligenza artificiale funzionasse come strumento di supporto decisionale, i ricercatori hanno confrontato la risposta dell’app alle diagnosi effettuate mediante la normale procedura diagnostica.
Delle oltre 250 lesioni cutanee esaminate, i medici hanno riscontrato 11 melanomi e 10 precursori del cancro, noto come melanoma in situ . L’app ha trovato tutti i melanomi e ha mancato solo un precursore.
La ricerca, pubblicata sulla rivista “eBiomedicine“, riporta che il test è accurato al 95% nel rilevare le donne in post-menopausa con il cancro come causa del loro sanguinamento, ed è più preciso dei metodi attuali.
Gli scienziati sperano che il nuovo test possa migliorare la diagnosi del cancro dell’utero e ridurre la necessità di test più invasivi, dolorosi e ansiosi attualmente utilizzati negli ospedali, come l’isteroscopia.
Gli scienziati hanno utilizzato un metodo ad alta tecnologia chiamato SWATH-MS, una tecnica utilizzata nella spettrometria di massa, che misura le masse delle molecole, fornendo informazioni sulla loro composizione e struttura. I campioni sono stati prelevati da donne post-menopausa sintomatiche, 53 con e 65 senza cancro dell’endometrio.
I ricercatori hanno identificato un pannello di cinque marcatori proteici nel fluido vaginale che discrimina accuratamente coloro con cancro dell’utero da coloro che non ne hanno. Successivamente, hanno utilizzato l’apprendimento automatico per individuare le proteine più diverse tra i campioni, creando un modello diagnostico semplice e accurato basato sulle proteine.
Una nuova ricerca mostra che l’intelligenza artificiale può individuare il COVID-19 nelle immagini ecografiche polmonari proprio come i software di riconoscimento facciale possono individuare un volto in mezzo alla folla.
I risultati potenziano la diagnostica medica basata sull’intelligenza artificiale e avvicinano gli operatori sanitari alla capacità di diagnosticare rapidamente i pazienti affetti da COVID-19 e altre malattie polmonari con algoritmi che analizzano le immagini ecografiche per identificare i segni della malattia.
“Abbiamo sviluppato questo strumento di rilevamento automatizzato per aiutare i medici in contesti di emergenza con un elevato numero di pazienti che necessitano di una diagnosi rapida e accurata, come nelle prime fasi della pandemia“, ha affermato l’autore senior Muyinatu Bell , professore associato presso il Dipartimento. di Ingegneria Elettrica e Informatica presso la Whiting School of Engineering della Johns Hopkins University. “Potenzialmente, vogliamo avere dispositivi wireless che i pazienti possano utilizzare a casa anche per monitorare la progressione del COVID-19.“
Il team ha sviluppato un software in grado di apprendere da un mix di dati reali e simulati e quindi di individuare anomalie nelle scansioni ecografiche che indicano che una persona ha contratto il COVID-19. Lo strumento è una rete neurale profonda, un tipo di intelligenza artificiale progettata per comportarsi come i neuroni interconnessi che consentono al cervello di riconoscere schemi, comprendere il parlato e svolgere altri compiti complessi.
Un team di bioingegneri dell’UCLA ha inventato un dispositivo morbido, sottile ed elastico che misura poco più di 1 pollice quadrato e che può essere attaccato alla pelle fuori dalla gola per aiutare le persone con corde vocali disfunzionali a ritrovare la funzione vocale. Il lavoro pubblicato sulla rivista “Nature Communications“.
Il nuovo sistema bioelettrico è in grado di rilevare il movimento nei muscoli della laringe di una persona e tradurre tali segnali in parlato udibile con l’assistenza di macchine tecnologia di apprendimento: con una precisione pari a quasi il 95%.
Il nuovo dispositivo a patch è composto da due componenti: uno per rilevare i segnali muscolari e convertirli in segnali vocali, e l’altro per trasformare i segnali vocali nell’espressione desiderata. Entrambi i componenti contengono strati di PDMS e bobine di induzione magnetica per generare segnali elettrici ad alta fedeltà. Il dispositivo è piccolo, leggero e può essere facilmente riutilizzato.
I ricercatori hanno testato una tecnologia indossabile su otto adulti sani, raccogliendo dati sul movimento dei muscoli laringei e utilizzando un algoritmo di apprendimento automatico per correlare i segnali a determinate parole. Hanno dimostrato l’accuratezza del sistema chiedendo ai partecipanti di pronunciare frasi sia ad alta voce che senza voce. Il meccanismo riconosceva il movimento laringeo e corrispondeva alla frase desiderata. In futuro, il gruppo prevede di ampliare il vocabolario del dispositivo attraverso l’apprendimento automatico e di testarlo su persone con disturbi del linguaggio.
I disturbi della voce sono comuni, ma con questo nuovo approccio terapeutico, il recupero della voce potrebbe essere più rapido e meno invasivo.
In uno dei più grandi studi mai condotti sull’interazione gene-ambiente sulla carne rossa e sul cancro del colon-retto, che ha esplorato l’impatto del consumo di carne rossa sul rischio di cancro di una persona in base al genotipo, i ricercatori hanno identificato due marcatori genetici che potrebbero aiutare a spiegare l’associazione tra il cancro del colon-retto e la carne rossa.
Questo nuovo studio supportato dai National Institutes of Health e condotto dal USC Norris Comprehensive Cancer Center, parte della Keck School of Medicine dell’USC, ha analizzato i dati sull’assunzione di carne rossa e lavorata da 29.842 persone con cancro del colon-retto e 39.635 persone senza cancro. Ha scoperto che coloro che consumavano più carne rossa o lavorata affrontavano rispettivamente un rischio aumentato del 30 o 40% per il cancro del colon-retto. I ricercatori hanno utilizzato una combinazione di metodi standard per individuare le interazioni gene-ambiente.
“Questi risultati suggeriscono che c’è un sottoinsieme della popolazione che affronta un rischio ancora più elevato di cancro del colon-retto se mangiano carne rossa o lavorata“, ha detto la prof.ssa Mariana C. Stern
Sviluppato congiuntamente dai ricercatori del Gruppo di Radiomica dell’Istituto di Oncologia Vall d’Hebron (VHIO) e dell’Unità di Neuroradiologia dell’Ospedale Universitario di Bellvitge, il Diagnosis in Susceptibility Contrast Enhancing Regions for Neuroncology (DISCERN) è uno strumento di deep learning ad accesso aperto basato sulla formazione di modelli che utilizzano modelli di intelligenza artificiale da informazioni di risonanza magnetica standard (MRI) che consente una diagnosi accurata del tumore al cervello, superando i metodi attuali.
This novel deep learning tool leverages the full spatial and temporal information of conventional MRI to identify behavioral patterns on imaging specific to each tumor.
“Questo lavoro è il risultato di oltre cinque anni di ricerca incentrata sull’identificazione di innovativi biomarcatori di imaging della perfusione a risonanza magnetica per consentire la diagnosi differenziale dei tumori cerebrali. Questo studio integra le intuizioni generate da altri progetti di ricerca precedenti sull’intelligenza artificiale, portando allo sviluppo di software che automatizza la classificazione diagnostica prechirurgica con una precisione molto elevata, facilitando al contempo la sua applicabilità clinica con un’interfaccia utente amichevole per i medici“, ha affermato il prof. Albert Pons-Escoda.
I ricercatori del Beckman Institute hanno sviluppato un modello di intelligenza artificiale in grado di identificare con precisione tumori e malattie nelle immagini mediche. Lo strumento disegna una mappa per spiegare ogni diagnosi, aiutando i medici a seguire il ragionamento, verificarne l’accuratezza e spiegare i risultati ai pazienti.
Image: The new AI model draws treasure maps to diagnose disease (Photo courtesy of 123RF)
Il modello è stato addestrato su oltre 20.000 immagini relative a tre diverse patologie, dimostrando un’accuratezza comparabile ai modelli tradizionali di IA senza capacità di auto-spiegazione. Gli sviluppatori mirano a estendere l’applicazione di questo modello a varie parti del corpo.
“L’idea è quella di aiutare a individuare il cancro e la malattia nelle sue fasi iniziali – come una X su una mappa – e capire come è stata presa la decisione. Il nostro modello aiuterà a semplificare questo processo e a renderlo più semplice sia per i medici che per i pazienti“, ha affermato il prof. Sourya.
Le persone con il cancro hanno quantità diverse di un tipo di DNA ripetitivo, chiamato elementi Alu, rispetto alle persone senza cancro. Ora, l’apprendimento automatico può misurare questo dalle analisi del sangue. I ricercatori del Johns Hopkins Kimmel Cancer Center hanno utilizzato questa scoperta per migliorare un test che rileva precocemente il cancro, convalidando e riproducendo i risultati con un campione dieci volte più grande del solito per questo tipo di studi.
A machine learning model called RealSeqS has been updated to detect a small, previously overlooked family of repetitive DNA. In the blood plasma of people with solid cancer, even before symptoms, there tends to be fewer of a type of “jumping gene” called AluS elements. Credit: Christopher Douville
Gli elementi Alu sono piccoli, ma i cambiamenti nella loro proporzione nel plasma sanguigno si verificano indipendentemente dall’origine del cancro. I ricercatori hanno sviluppato un test per rilevare l’aneuploidia, alterazioni nel numero di copie dei cromosomi trovate nei tumori, tramite un test del sangue chiamato biopsia liquida. Hanno anche scoperto che gli elementi Alu contribuiscono in modo significativo alla rilevazione del cancro, e il modello sviluppato ha raggiunto una specificità del 98,9%.
Questa scoperta potrebbe migliorare la diagnosi precoce del cancro e integrare i test attualmente disponibili per i medici.
NEJM AI, una rivista mensile del Gruppo NEJM, pubblica ricerche e applicazioni all’avanguardia dell’intelligenza artificiale nella medicina clinica.
La rivista collega i rapidi sviluppi dell’intelligenza artificiale, dell’informatica e della tecnologia in medicina con l’applicazione di questi progressi alla pratica clinica. NEJM AI copre l’applicazione delle metodologie di intelligenza artificiale e della scienza dei dati all’informatica biomedica, alla salute connessa, alla telemedicina, alle immagini e all’imaging medico, alla medicina personalizzata, alle politiche e alla regolamentazione e alle implicazioni etiche e medico-legali dell’IA.
L’intelligenza artificiale ha aiutato gli scienziati dell’University of East Anglia a rivelare una nuova forma di cancro alla prostata aggressivo, che potrebbe rivoluzionare come la malattia viene diagnosticata e trattata in futuro.
Uno studio finanziato da Cancer Research UK ha rivelato che il cancro alla prostata, che colpisce uno su otto uomini nella loro vita, include due diversi sottotipi chiamati evotipi. Questa scoperta è stata fatta da un team internazionale che ha applicato l’IA ai dati del DNA per identificare due diversi sottotipi che colpiscono la prostata.
“Per molti anni abbiamo ricercato le cause che fanno sì che alcuni tumori alla prostata diventino più aggressivi di altri. Ma è solo ora, con i progressi nell’intelligenza artificiale, che siamo stati in grado di dimostrare che in realtà esistono due diversi sottotipi in gioco” – afferma il Prof. Colin Cooper, della Norwich Medical School .
Si spera che questi risultati possano salvare migliaia di vite in futuro e rivoluzionare come il cancro alla prostata viene diagnosticato e trattato. Infine, potrebbe fornire trattamenti personalizzati a ciascun paziente in base a un test genetico che verrà anche elaborato utilizzando l’IA.
Uno studio condotto da un team scientifico della MedUni Vienna, pubblicato sulla rivista “Cellular & Molecular Immunology“, ha riportato un risultato promettente per la ricerca sui tumori: l’enzima fosfoglicerato deidrogenasi (PHDGH) agisce come punto di controllo metabolico nella funzione dei macrofagi associati al tumore (TAM) e quindi sulla crescita del tumore. Puntare al PHGDH per modulare il sistema immunitario che combatte il cancro potrebbe essere un nuovo punto di partenza nel trattamento del cancro e migliorare l’efficacia delle immunoterapie cliniche.
Immunofluorescence image of the expression of PHGDH (red) and CD3 T cells (green) in cryosectioned AE17 mesothelioma. C: Zhengnan Cai
Il biologo e biochimico dei sistemi Wolfram Weckwerth del Dipartimento di Ecologia Funzionale ed Evolutiva dell’Università di Vienna e ultimo autore dello studio spiega: “Nel nostro lavoro precedente, abbiamo applicato metodi innovativi di apprendimento automatico e intelligenza artificiale in combinazione con analisi molecolari per scoprire un nuovo punto di controllo metabolico nella polarizzazione dei macrofagi”.
Il gruppo di ricerca ha dimostrato che la via metabolica della serina mediata da PHGDH svolge un ruolo cruciale nei processi associati alla regolazione della via di segnalazione mTORC1, all’attivazione di immunosoppressori Macrofagi M2 ed espansione dei TAM nonché la regolazione del noto checkpoint immunitario PD-L1.
Il prof. Zhengnan Cai, Università di Vienna afferma: “Abbiamo scoperto che il PHGDH è necessario per l’attivazione del sottotipo immunosoppressore protumorigenico M2. La soppressione del gene PHGDH, invece, ha favorito lo sviluppo di macrofagi di tipo antitumorigenico (M1) e ha ridotto la crescita del tumore.”
Secondo una ricerca del New York Eye and Ear Infirmary of the Monte Sinai, un sistema di intelligenza artificiale (AI) con modello linguistico di grandi dimensioni (LLM) può eguagliare, o in alcuni casi superare, gli oftalmologi umani nella diagnosi e nel trattamento di pazienti affetti da glaucoma e malattie della retina.
Lo studio ha confrontato le conoscenze degli specialisti oftalmici con le capacità del sistema AI di ultima generazione, GPT-4 (Generative Pre-Training–Model 4) di OpenAI, progettato per replicare prestazioni a livello umano.
I risultati dello studio, pubblicato su “JAMA Ophthalmology“, suggeriscono che gli strumenti avanzati di intelligenza artificiale, addestrati su grandi quantità di dati, testo e immagini, potrebbero svolgere un ruolo importante nel fornire supporto decisionale agli oftalmologi nella diagnosi e nella gestione di casi di glaucoma e disturbi della retina, che affliggono milioni di pazienti.
Medicina in Biblioteca 