Honkonq Elm və Texnologiya Universiteti tərəfindən

Lisa Lock tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

PRET sistemi xərçəng müayinəsi, şişin alttiplərinin müəyyən edilməsi, şişin seqmentləşdirilməsi və limfa düyünlərinin metastazının aşkarlanması da daxil olmaqla bir çox patologiya diaqnostik tapşırıqları üçün inteqrasiya olunmuş bir həll təqdim edir. Mənbə: Nature Cancer (2026). DOI: 10.1038/s43018-026-01141-2

Honkonq Elm və Texnologiya Universitetinin (HKUST) rəhbərlik etdiyi tədqiqat qrupu, əlavə təlim tələb etmədən, yalnız minimal sayda nümunədən istifadə edərək birdən çox xərçəng növünü dəqiq müəyyən edə bilən qabaqcıl süni intellekt (Sİ) patologiya analiz sistemi hazırlayıb. Bu irəliləyiş, Sİ ilə dəstəklənən tibbi yardımın çevikliyini və səmərəliliyini əhəmiyyətli dərəcədə artırır və ağıllı patologiyanın geniş yayılmasına doğru böyük bir addım atır.

Hər il dünyada təxminən 20 milyon yeni xərçəng xəstəliyi diaqnozu qoyulur və patoloji müayinə klinik diaqnoz və müalicə qərarlarının qəbul edilməsində mühüm rol oynayır. Lakin, qlobal miqyasda patoloqların kəskin çatışmazlığı fonunda tibb ictimaiyyəti patoloji analizin səmərəliliyini artırmaq üçün getdikcə daha çox innovativ həllərə ehtiyac duyur. Süni intellekt patoloji diaqnostikanın avtomatlaşdırılması üçün böyük potensiala malik olsa da, onun praktik tətbiqi bir çox çətinliklərlə məhdudlaşır.

Ənənəvi süni intellekt modelləri adətən hər bir konkret xərçəng növü və ya diaqnostik tapşırıq üçün təlim keçmək üçün on minlərlə patoloji görüntü və məlumat dəstinin toplanmasını və təlimini tələb edir ki, bu da uzun inkişaf dövrlərinə və əhəmiyyətli hesablama və işçi qüvvəsi xərclərinə səbəb olur. Bundan əlavə, mövcud fundamental patoloji modelləri çox vaxt kifayət qədər ümumiləşdirilə bilmir, bu da real klinik şəraitdə müxtəlif şiş növlərinə tətbiq edildikdə geniş dəqiqləşdirmə tələb edir və bununla da, xüsusən də resurs məhdud olan bölgələrdə onların miqyaslanmasını və tətbiqini məhdudlaşdırır.

Bu çətinlikləri həll etmək üçün HKUST-da Elektron və Kompüter Mühəndisliyi kafedrasının dosenti və Tibbi Görüntüləmə və Təhlil Mərkəzinin direktor müavini professor Li Xiaomenqin rəhbərlik etdiyi bir tədqiqat qrupu, Quanqdonq Əyalət Xalq Xəstəxanası və Harvard Tibb Məktəbi ilə əməkdaşlıqda PRET (Nümunə Təlimi Olmadan Panxərçəng Tanıma) adlı yeni bir patoloji analiz sistemi hazırladı. Tədqiqat Nature Cancer jurnalında dərc olunub .

Sistem, təbii dil emalından patoloji görüntü analizinə “kontekstdə öyrənmə” anlayışını təqdim edən ilk sistemdir. Bu sistem, modelin yeni xərçəng növlərinə dərhal uyğunlaşmasına və yalnız bir-səkkiz annotasiyalı şiş slaydına istinad etməklə nəticə çıxarma mərhələsində xərçəng müayinəsi, şiş alttipləri və şiş seqmentasiyası kimi diaqnostik tapşırıqları yerinə yetirməsinə imkan verir. “Qoş və işlə” ağıllı diaqnostik vasitə kimi fəaliyyət göstərən PRET, ənənəvi süni intellekt modellərində tapşırıqlara xas incə tənzimləmə ehtiyacını kökündən aradan qaldırır.

Tədqiqat qrupu, Çin materikindəki, ABŞ-dakı və Hollandiyadakı tibb müəssisələrindən 18 xərçəng növünü və müxtəlif diaqnostik tapşırıqları əhatə edən 23 beynəlxalq etalon məlumat dəstindən istifadə edərək PRET sisteminin hərtərəfli validasiyası apardı. Nəticələr göstərdi ki, sistem 20 tapşırıqda mövcud metodlardan daha yaxşı nəticə göstərib və diaqnostik dəqiqlik ölçüsü olan Əyri Altındakı Sahə (AUC) bu tapşırıqların 15-də 97%-i keçib.

Xüsusilə, PRET kolorektal xərçəng müayinəsində 100% AUC, özofagus skuamöz hüceyrəli karsinoma şiş seqmentasiyasında isə 99.54% AUC əldə etmişdir. Limfa düyünlərinin metastazının aşkarlanması kimi olduqca çətin bir işdə PRET, yalnız səkkiz slayd nümunəsi istifadə edərək təxminən 98.71% AUC əldə etmişdir ki, bu da AUC-si təxminən 81% olan 11 patoloqun orta göstəricisini üstələmişdir. Bundan əlavə, PRET, müxtəlif tibbi resursları olan müxtəlif populyasiyalar və bölgələr arasında sabit və güclü ümumiləşdirmə qabiliyyəti nümayiş etdirmişdir.Tədqiqat qrupu, Çin, ABŞ və Hollandiyadakı tibb müəssisələrindən əldə edilən 23 beynəlxalq etalon məlumat dəstindən istifadə edərək PRET sistemini hərtərəfli şəkildə təsdiqləyir və 18 xərçəng növünü və müxtəlif diaqnostik tapşırıqları əhatə edir. Mənbə: Nature Cancer (2026). DOI: 10.1038/s43018-026-01141-2

Professor Li Xiaomeng dedi: “PRET sisteminin əsas dəyəri, süni intellektlə işləyən patoloji sistemlərinin real klinik şəraitdə daha aşağı qiymətə və daha çox rahatlıqla tətbiq olunmasına imkan verən ‘kütləvi məlumatlar və təkrarlanan təlim’ kimi ənənəvi maneələri aradan qaldırmaqdan ibarətdir. Bu, yalnız patoloqların üzləşdiyi iş yükü təzyiqini azaltmağa kömək etmir, həm də xidmət göstərilməyən bölgələrdə xərçəng diaqnozuna çıxışı yaxşılaşdırmaq potensialına malikdir.”

“Bu ‘qoş və işlə’ sistemi vasitəsilə ümid edirik ki, inkişaf etmiş və dəqiq süni intellektlə işləyən diaqnostika xidmətləri coğrafi və resurs məhdudiyyətlərini aradan qaldıra və bununla da qlobal səhiyyə bərabərliyini təşviq edə bilər.”

Gələcəyə baxaraq, tədqiqat qrupu sistemin diaqnostik performansını daha da artırmağı və genetik mutasiya proqnozu və xəstə proqnozunun qiymətləndirilməsi kimi əlavə klinik tapşırıqlara tətbiqini genişləndirməyi planlaşdırır və bununla da süni intellektlə idarə olunan patoloji diaqnozun gələcəyi üçün yeni istiqamətlər açır.

Nəşr detalları

Yi Li və digərləri, PRET, nümunə təlimi olmadan pan-xərçəngin tanınması üçün bir neçə atışlı sistemdir, Nature Cancer (2026). DOI: 10.1038/s43018-026-01141-2

Jurnal məlumatı: Təbiət Xərçəngi 

Əsas tibbi anlayışlar

Kolorektal XərçəngÖzofagus Yastı Hüceyrəli KarsinomaLimfa Düyünləri Metastazları

Klinik kateqoriyalar

OnkologiyaLaboratoriya təbabəti