Harvard Tibb Məktəbi tərəfindən

Gaby Clark tərəfindən redaktə edilmiş , Robert Eqan tərəfindən nəzərdən keçirilmişdir

 Redaktorların qeydləriGlioblastoma multiforme – MRT T2 eksenel. Kredit: Hellerhoff /Wikimedia Commons, CC BY-SA 3.0

Harvard Tibb Məktəbinin laboratoriya tədqiqat qrupu beyində aşkar edilmişdir, lakin mənşəyi, davranışı və müalicəsi olan iki qabiliyyəti yüksək keyfiyyətli ayırd edə bilən süni intellekt aləti hazırlayıb.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=7587637799&adk=173579997&adf=4198688998&pi=t.ma~as.7587637799&w=540&fwrn=4&fwrnh=0&lmt=1759147287&rafmt=1&armr=3&format=540×280&url=https%3A%2F%2Fmedicalxpress.com%2Fnews%2F2025-09-ai-distinguishes-glioblastoma-alike-cancers.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&aieuf=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTQwLjAuNzMzOS4yMDgiLG51bGwsMCxudWxsLCI2NCIsW1siQ2hyb21pdW0iLCIxNDAuMC43MzM5LjIwOCJdLFsiTm90PUE_QnJhbmQiLCIyNC4wLjAuMCJdLFsiR29vZ2xlIENocm9tZSIsIjE0MC4wLjczMzkuMjA4Il1dLDBd&abgtt=11&dt=1759147285851&bpp=3&bdt=2044&idt=1230&shv=r20250924&mjsv=m202509230101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dbf32f6d1345076e5%3AT%3D1735905671%3ART%3D1751373547%3AS%3DALNI_MZkf89jy5OWC7eurAieiZICGZibxQ&gpic=UID%3D00000f9074cd1467%3AT%3D1735905671%3ART%3D1751373547%3AS%3DALNI_MbXA7UjcCbicksfQOQL3jad5e72cw&eoidce=1&prev_fmts=0x0&nras=1&correlator=7301453022703&frm=20&pv=1&rplot=4&u_tz=240&u_his=1&u_h=864&u_w=1536&u_ah=816&u_aw=1536&u_cd=24&u_sd=1.25&dmc=8&adx=395&ady=916&biw=1521&bih=730&scr_x=0&scr_y=0&eid=31094918%2C42531705%2C95371966%2C95372140%2C95372357%2C95372195&oid=2&pvsid=6229219126469784&tmod=345022505&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1536%2C0%2C1536%2C816%2C1536%2C730&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=1235

PICTURE (Qeyri-müəyyənlikdən xəbərdar olan Sürətli Qiymətləndirmə ilə Patoloji Şəkil Xarakteristikası Aləti) adlanan alət ən çox yayılmış və aqressiv beyin şişi olan qlioblastoma və tez-tez glioblastoma ilə səhv salınan daha nadir xərçəng olan birincili mərkəzi sinir sisteminin limfoması (PCNSL) arasında mükəmmələ yaxın dəqiqliyi ilə seçilir. Hər ikisi beyində görünə bilsə də, glioblastoma beyin hüceyrələrindən yaranır , PCNSL isə immun hüceyrələrdən inkişaf edir. Onların mikroskop altında oxşarlıqları tez-tez yanlış diaqnoza səbəb olur, müalicə üçün ciddi nəticələrə səbəb olur.

İş sentyabrın 29-da Nature Communications jurnalında təsvir edilmişdir . Komanda bildirib ki, süni intellekt modeli digər elm adamlarının istifadə etməsi və üzərində qurulması üçün ictimaiyyətə açıqdır.

Tədqiqat fikrincə, əməliyyat zamanı beyində şişlərin düzgün qurulması neyroonkologiyada çətin diaqnostik problemlərdən biridir. Xəstəlik hələ də əməliyyat otağında olarkən dəqiq xəstəlikli toxumanı əməliyyat etmək və çıxarmaq kimi kritik müalicə seçimlərini sürətləndirməyə kömək edə bilər – qlioblastoma ilə ola biləcəyi kimi – və ya onu geridə qoyub radiasiya və kemoterapiyaya üstünlük verin, PCNSL üçün üstünlük verilən terapiya. Bəyinizdəki xəstələrin qeyri-dəqiq və ya gecikmiş diaqnozu lazımsız əməliyyatlara və düzgün müalicənin gecikməsinə səbəb ola bilər.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=7099578867&adk=16758827&adf=1100001614&pi=t.ma~as.7099578867&w=540&fwrn=4&fwrnh=0&lmt=1759147287&rafmt=1&armr=3&format=540×280&url=https%3A%2F%2Fmedicalxpress.com%2Fnews%2F2025-09-ai-distinguishes-glioblastoma-alike-cancers.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&aieuf=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTQwLjAuNzMzOS4yMDgiLG51bGwsMCxudWxsLCI2NCIsW1siQ2hyb21pdW0iLCIxNDAuMC43MzM5LjIwOCJdLFsiTm90PUE_QnJhbmQiLCIyNC4wLjAuMCJdLFsiR29vZ2xlIENocm9tZSIsIjE0MC4wLjczMzkuMjA4Il1dLDBd&abgtt=11&dt=1759147285854&bpp=2&bdt=2046&idt=1254&shv=r20250924&mjsv=m202509230101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dbf32f6d1345076e5%3AT%3D1735905671%3ART%3D1751373547%3AS%3DALNI_MZkf89jy5OWC7eurAieiZICGZibxQ&gpic=UID%3D00000f9074cd1467%3AT%3D1735905671%3ART%3D1751373547%3AS%3DALNI_MbXA7UjcCbicksfQOQL3jad5e72cw&eoidce=1&prev_fmts=0x0%2C540x280&nras=1&correlator=7301453022703&frm=20&pv=1&rplot=4&u_tz=240&u_his=1&u_h=864&u_w=1536&u_ah=816&u_aw=1536&u_cd=24&u_sd=1.25&dmc=8&adx=395&ady=1916&biw=1521&bih=730&scr_x=0&scr_y=0&eid=31094918%2C42531705%2C95371966%2C95372140%2C95372357%2C95372195&oid=2&pvsid=6229219126469784&tmod=345022505&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1536%2C0%2C1536%2C816%2C1536%2C730&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=3&uci=a!3&btvi=2&fsb=1&dtd=1260

Aləti plan qiymətlidir, cərrahi vaxt qiymətlidir, cərrahi fikirlər real patoloqlara kritik fikirlər və bu rejimdə, əməliyyat zamanı tətbiq oluna bilər.

HMS-də Blavatnik İnstitutunda biotibbi informatika üzrə dosent, HMS-in professoru və Brigs Hospital-da qadınların patologiyası üzrə dosenti, tədqiqatın baş müəllifi Kun-Hsing Yu, “Bizim modelimiz üst-üstə düşən xüsusiyyətləri olan şişləri ayırd etməklə diaqnozda səhvləri minimuma endirə bilər və klinisyenlərə şişin həqiqi şəxsiyyətinə əsaslanaraq ən yaxşı müalicə kursunu təyin etməyə kömək edə bilər ” dedi .

Beyin şişi əməliyyatı zamanı cərrahlar adətən mikroskop altında sürətli qiymətləndirmə üçün şiş toxumasını çıxarırlar. Qiymətləndirmə nümunənin maye azotda dondurulması ilə həyata keçirilir ki, bu da hüceyrə xüsusiyyətlərini bir qədər təhrif edə bilər, lakin sürətli, real vaxt qiymətləndirməsini təmin edir. Proses təxminən 15 dəqiqə çəkir. Bu ilk baxışda aparılan qiymətləndirmənin nəticələrinə əsasən, cərrahlar şişi çıxarmaq və ya onu geridə qoymaq və radiasiya və kimyaterapiyaya üstünlük verib-verməməyi təyin edirlər.

Sonra, növbəti bir neçə gün ərzində patoloqlar şiş nümunəsinin daha ətraflı və daha etibarlı qiymətləndirilməsini aparırlar. Təxminən 20 haldan 1-də şişin ilkin diaqnozu ikinci oxunuşda dəyişir, Yu dedi. Məhz burada yeni AI sistemi dəyərli rol oynaya bilər – qeyri-müəyyənliyi aradan qaldırır və kritik qərarlar qəbul edildikdə əməliyyat zamanı səhv riskini azaldır.

“Bizim modelimiz beyin cərrahiyyəsi zamanı və insan ekspertləri arasında əhəmiyyətli diaqnostik fikir ayrılığı olan ssenarilərdə dondurulmuş bölmələrdə etibarlı performans göstərir” dedi.

Alət beş xəstəxanada sınaqdan keçirildi və həm insan patoloqlarını, həm də digər AI modellərini üstələyib. Yeni modelin unikal cəhəti “qeyri-müəyyənlik detektoru”dur ki, bu da ona təkcə xərçəng növlərini yüksək dəqiqliklə ayırmağa deyil, həm də öz qərarında əmin olmadığı zaman siqnal verməyə imkan verir – bu, yüksək riskli tibbi ssenarilər üçün vacib xüsusiyyətdir.

Yeni tədqiqat müxtəlif növ qliomaların molekulyar xüsusiyyətlərini etibarlı şəkildə deşifrə edə bilən süni intellekt sistemini inkişaf etdirmək üçün Yu-nun rəhbərlik etdiyi əvvəlki işlərə əsaslanır .

PICTURE beyin xərçənginin doppelgangerlərini necə ayırd edir

Hər il dünyada 300 000- dən çox insana beyin və ya mərkəzi sinir sistemində şiş diaqnozu qoyulur və nəticədə 200 000-dən çox ölüm baş verir. Ümumdünya Səhiyyə Təşkilatı təxminən 109 müxtəlif növ beyin və onurğa beyni şişlərini tanıyır , onların hər biri mikroskop altında və ya genetik səviyyədə özünəməxsus xüsusiyyətlərə malikdir.

Əməliyyat zamanı PCNSL-ni glioblastomadan dəqiq fərqləndirmək cərrahlara beyin toxumasını çıxarmaq əvəzinə ehtiyata buraxmağa imkan verə bilər. PCNSL olan xəstələr daha sonra radiasiya və kemoterapiya, bu növ şiş üçün üstünlük verilən müalicələrə göndərilir. Əksinə, glioblastoma xərçəngli beyin toxumasının mümkün qədər çoxunun cərrahi yolla çıxarılmasını tələb edir.

PICTURE-ə yaxın mükəmməl performans

Yu-nun tədqiqatın ilk müəllifləri Junhan Zhao və Shih-Yen Lin ilə birlikdə hazırladığı model, həm dondurulmuş bölmələr, həm də formalinlə sabitlənmiş nümunələr üzrə nadir hallar da daxil olmaqla, dünya üzrə toplanmış 2141 beyin patologiyası slaydlarında qiymətləndirilmişdir. O, şiş hüceyrələrinin sıxlığı, hüceyrə forması və nekrozun mövcudluğu da daxil olmaqla kritik xərçəng xüsusiyyətlərini aşkar etmək üçün nəzərdə tutulmuşdur.

Alimlər PICTURE-un performansını dörd ölkədəki beş beynəlxalq xəstəxanada sınaqdan keçirdilər. Hər bir halda, AI modeli mövcud AI alətlərini və ənənəvi dondurulmuş bölmənin qiymətləndirilməsini, real vaxt rejimində şiş yazmaq üçün qayğı standartını üstələdi.

Testlərdə PICTURE modeli glioblastomanı PCNSL-dən 98% -dən çoxunda düzgün şəkildə ayırd etdi – bu, beş müstəqil beynəlxalq xəstə qrupunda sınaqdan keçirildikdə saxlanılan dəqiqlik səviyyəsidir. Bundan əlavə, PICTURE nə glioma, nə də limfoma olmayan 67 CNS xərçənginə aid nümunələri müəyyən etdi.

Model məşq zamanı görmədiyi şişləri aşkar edə bildi və gördükdə insan araşdırması üçün qırmızı bayraq qaldırdı. Başqa sözlə, alət bilmədiyi zaman bilirdi, Yu dedi və bu, sistemin aydın olmayan hadisələri məlum kateqoriyalara yerləşdirməsinin qarşısını aldı. Tədqiqatçıların sözlərinə görə, bu xüsusiyyət modeli digər AI sistemləri arasında unikal edir. Müqayisə üçün, digər süni intellekt alətləri ikili, ya-ya da dəbli şəkildə fərqləndirə bilər – xəstəlik A və xəstəlik B. Bu, xüsusilə beyin patologiyası üçün problemlidir, Yu qeyd etdi, çünki beyin xərçənginin 100-dən çox müxtəlif alt növü var və onların çoxu nisbətən nadirdir.

PICTURE beyindəki çətin ayırd edilən şişlərdə insan patoloqlarından üstün olub. Testlərdə insan mütəxəssisləri çətin diaqnozlarla bağlı əhəmiyyətli fikir ayrılıqları göstərdilər, bəzi şiş növlərinin 38%-də səhv diaqnoz qoyuldu. PICTURE bütün bu halları düzgün müəyyən edərək, ekspert rəyi dəyişdikdə dəstək verir.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=7099578867&adk=16758827&adf=2636419947&pi=t.ma~as.7099578867&w=540&fwrn=4&fwrnh=0&lmt=1759147294&rafmt=1&armr=3&format=540×280&url=https%3A%2F%2Fmedicalxpress.com%2Fnews%2F2025-09-ai-distinguishes-glioblastoma-alike-cancers.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&aieuf=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTQwLjAuNzMzOS4yMDgiLG51bGwsMCxudWxsLCI2NCIsW1siQ2hyb21pdW0iLCIxNDAuMC43MzM5LjIwOCJdLFsiTm90PUE_QnJhbmQiLCIyNC4wLjAuMCJdLFsiR29vZ2xlIENocm9tZSIsIjE0MC4wLjczMzkuMjA4Il1dLDBd&abgtt=11&dt=1759147285856&bpp=2&bdt=2049&idt=1264&shv=r20250924&mjsv=m202509230101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dbf32f6d1345076e5%3AT%3D1735905671%3ART%3D1759147287%3AS%3DALNI_MZkf89jy5OWC7eurAieiZICGZibxQ&gpic=UID%3D00000f9074cd1467%3AT%3D1735905671%3ART%3D1759147287%3AS%3DALNI_MbXA7UjcCbicksfQOQL3jad5e72cw&eo_id_str=ID%3D11f3f8901ed8a01f%3AT%3D1759147287%3ART%3D1759147287%3AS%3DAA-AfjaTZmixph3AhAi9NchqfV-P&prev_fmts=0x0%2C540x280%2C540x280%2C336x280%2C336x280%2C1521x730&nras=2&correlator=7301453022703&frm=20&pv=1&rplot=4&u_tz=240&u_his=1&u_h=864&u_w=1536&u_ah=816&u_aw=1536&u_cd=24&u_sd=1.25&dmc=8&adx=395&ady=5285&biw=1521&bih=730&scr_x=0&scr_y=2476&eid=31094918%2C42531705%2C95371966%2C95372140%2C95372357%2C95372195&oid=2&psts=AOrYGsmz6Y_j7Loftj7grTFujXTXDA9VI85cv5Wyui5tHgUt4omQzcT-falJoRQSrPUS3bNz_Rd_XjNuYCQbFH564I_I2sOZolo3ipat%2CAOrYGsmUvcgULcQCROQY1PWXIATm03uCWYFMTBvB6D9vXUMoyoTLHIPzy0bI–O1xGIjklJW3ly2sZfhIpjprjmj4RCxqDCKd4rsCSVi%2CAOrYGsmJ4t6G4r-n-PJZLDjs5Aj1ldqP9TDGWCNGOZJdONvAmjtxhF9s8i9BSSXrOmiiIoknEz-WWIDsTiK2Wx9pduG3gDKfsD2VV9gS%2CAOrYGskoXSsRmip_K2OsKDQ-Y4H12wnftitVR7wyXJleFHVEzSUcXF-ScZpaK9bMsE4lxPMzqfGBJAvgvGA8FAhcuZ_3zikLmxSdrgksqAX8iBHrkw&pvsid=6229219126469784&tmod=345022505&uas=3&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1536%2C0%2C1536%2C816%2C1536%2C730&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=4&uci=a!4&btvi=4&fsb=1&dtd=8448

PICTURE real dünyaya buraxılır

Tədqiqatçıların fikrincə, alətin tətbiqi insan-AI əməkdaşlığı üçün əla fürsət ola bilər. Onlar glioblastomanı PCNSL-dən fərqləndirmək və OR-daxili müalicə çağırışlarını məlumatlandırmaq üçün ilkin filtr kimi əməliyyat otaqları və patologiya şöbələrində sistemin tətbiqini nəzərdə tuturlar.

Modelin istifadəsi həm də mütəxəssislər çatışmazlığı və mütəxəssislərin ölkə və dünya üzrə qeyri-bərabər paylanması ilə yüksək ixtisaslaşmış təcrübə sahəsi olan nevropatologiyaya çıxışı demokratikləşdirə bilər. Bundan əlavə, alət, eyni zamanda , kritik fərqlərin oxşar görünüş altında gizləndiyi beyindəki oxşar lezyonları tanımaq üçün patoloqların gələcək nəslini öyrətmək üçün təhsil vasitəsi kimi də istifadə edilə bilər.

Tədqiqatçılar qeyd etdilər ki, şiş nümunələrinin əksəriyyəti ağ dərili xəstələrdən alınıb, buna görə də modelin müxtəlif populyasiyalar arasında düzgünlüyünü təsdiqləmək üçün daha çox araşdırmaya ehtiyac var. Alət qlioblastoma və PCNSL üzərində fokuslansa da, gələcək iş onu digər xərçəng növlərinə genişləndirə və daha dərin anlayışlar üçün genetik və molekulyar məlumatlar ilə birləşdirə bilər.

Daha çox məlumat: Qeyri-müəyyənlikdən xəbərdar olan təməl modellər ansamblı glioblastomanı onun təqlidlərindən fərqləndirir, Nature Communications (2025). DOI: 10.1038/s41467-025-64249-6

Jurnal məlumatı: Nature Communications Harvard Tibb Məktəbi tərəfindən təmin edilmişdir