Nous avons montré qu’avec les bonnes techniques d’IA, cette simple tache peut être très puissante
Caroline Uhler
Lorsque les résultats de leur modèle ont été comparés à ceux d’échantillons évalués par un pathologiste, ils ont constaté une concordance claire dans de nombreux cas. Dans les cas moins évidents, le modèle a pu fournir des informations sur les caractéristiques d’un échantillon de tissu, comme l’organisation des cellules, qu’un pathologiste a pu utiliser pour prendre des décisions.
Ce modèle polyvalent pourrait également être adapté à d’autres types de cancer, voire à des maladies neurodégénératives, un domaine que les chercheurs explorent actuellement. « Nous avons montré qu’avec les bonnes techniques d’IA, cette simple coloration peut être très puissante. Il reste encore beaucoup de recherches à faire, mais nous devons prendre en compte l’organisation des cellules dans davantage de nos études », explique Uhler.
Cette recherche a été financée, en partie, par le Centre Eric et Wendy Schmidt du Broad Institute, ETH Zurich, l’Institut Paul Scherrer, la Fondation nationale suisse de la recherche scientifique, les National Institutes of Health des États-Unis, l’Office of Naval Research des États-Unis, la MIT Jameel Clinic for Machine Learning and Health, le MIT-IBM Watson AI Lab et un Simons Investigator Award.
2024-07-28 09:06:24
1722147341
#LIA #identifie #les #stades #cancer #sein #healthcareineurope.com