人工智能在细胞癌的病理学和基因组学方面
J Everett Knudsen1, Joseph M Rich1, Runzhuo Ma1
1Catherine & Joseph Aresty Department of Urology, USC Institute of Urology, Center for Robotic Simulation & Education, University of Southern California, Los Angeles, CA, USA.
The Urologic clinics of North America
|November 9, 2023
概括
人工智能 (AI) 整合了基因病理学 (病理学) 和基因模式 (基因学) 以诊断晚期细胞癌 (RCC) 和预测存活率. 这种协同作用为RCC起源和个性化向治疗提供了新的见解.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 病理学 病理学 病理学
背景情况:
- 细胞癌 (RCC) 的诊断和亚型依赖于传统的组织病理学.
- 基因表达模式为瘤生物学提供了洞察力,但通常与形态学分开分析.
- 整合不同类型的数据对于推动癌症研究和治疗至关重要.
研究的目的:
- 探索人工智能 (AI) 与细胞癌 (RCC) 的病理学和基因组学的整合.
- 研究人工智能驱动的病理学和基因组学如何改善RCC诊断,亚型和生存预测.
- 识别与RCC亚型和等级相关的新型基因模式,用于潜在的向疗法.
主要方法:
- 使用机器学习算法来分析RCC中的基因病理图像 (病理学) 和基因表达数据 (基因组学).
- 开发人工智能模型以确定病态特征和基因组模式之间的相关性.
- 在不同的RCC亚型和等级中验证AI识别的基因模式.
主要成果:
- 人工智能成功地整合了病理学和基因组学,彻底改变了RCC诊断和亚型.
- 机器学习确定了与RCC亚型和等级相关的独特基因模式.
- 通过结合病态和基因组方法实现了更好的生存预测模型.
结论:
- 人工智能驱动的病理学和基因组学的结合代表了RCC研究的重大进步.
- 这种综合方法为RCC的起源提供了更深入的见解,并促进了针对性的治疗方法的开发.
- 通过这种协同方法,预计未来在RCC诊断,治疗和患者结局方面的创新.
更多相关视频
05:36Comparing Metastatic Clear Cell Renal Cell Carcinoma Model Established in Mouse Kidney and on Chicken Chorioallantoic Membrane
Published on: February 8, 2020
9.0K
06:38A Syngeneic Mouse Model of Metastatic Renal Cell Carcinoma for Quantitative and Longitudinal Assessment of Preclinical Therapies
Published on: April 12, 2017
13.6K
