Semua kandungan iLive disemak secara perubatan atau fakta diperiksa untuk memastikan ketepatan faktual sebanyak mungkin.
Kami mempunyai garis panduan sumber yang ketat dan hanya memautkan ke tapak media yang bereputasi, institusi penyelidikan akademik dan, apabila mungkin, dikaji semula kajian secara medis. Perhatikan bahawa nombor dalam kurungan ([1], [2], dan lain-lain) boleh diklik pautan ke kajian ini.
Jika anda merasakan bahawa mana-mana kandungan kami tidak tepat, ketinggalan zaman, atau tidak dipersoalkan, sila pilih dan tekan Ctrl + Enter.
AI boleh meramalkan prognosis dalam kanser payudara tiga kali ganda negatif
Ulasan terakhir: 02.07.2025
Penyelidik di Institut Karolinska di Sweden telah mengkaji sejauh mana model kecerdasan buatan yang berbeza boleh meramalkan prognosis kanser payudara tiga kali ganda negatif dengan menganalisis sel imun tertentu di dalam tumor. Kajian yang diterbitkan dalam jurnal eClinicalMedicine, merupakan langkah penting ke arah menggunakan AI dalam penjagaan kanser untuk meningkatkan kesihatan pesakit.
Limfosit yang menyusup tumor adalah sejenis sel imun yang memainkan peranan penting dalam melawan kanser. Apabila mereka hadir dalam tumor, ia bermakna sistem imun cuba menyerang dan memusnahkan sel-sel kanser.
Sel-sel imun ini mungkin penting untuk meramalkan bagaimana pesakit dengan apa yang dipanggil kanser payudara triple-negatif akan bertindak balas terhadap rawatan dan bagaimana penyakit itu akan berkembang. Walau bagaimanapun, keputusan menilai sel imun boleh berbeza-beza apabila ahli patologi melakukannya. Kecerdasan buatan (AI) mungkin membantu menyeragamkan dan mengautomasikan proses ini, tetapi sukar untuk membuktikan bahawa AI berfungsi dengan cukup baik untuk digunakan dalam penjagaan kesihatan.
Sepuluh model AI dibandingkan
Para penyelidik menguji sepuluh model AI yang berbeza dan membandingkan keupayaan mereka untuk menganalisis limfosit yang menyusup tumor dalam sampel tisu kanser payudara tiga kali ganda negatif.
Keputusan menunjukkan bahawa model AI berbeza dalam prestasi analisisnya. Walaupun terdapat perbezaan ini, lapan daripada sepuluh model menunjukkan keupayaan ramalan yang baik, bermakna mereka dapat meramalkan status kesihatan masa depan pesakit dengan cara yang sama.
Malah model yang dilatih pada bilangan sampel yang lebih kecil menunjukkan keupayaan ramalan yang baik, menunjukkan bahawa limfosit yang menyusup tumor adalah biomarker yang boleh dipercayai, "kata Balázs Aç, seorang penyelidik di Jabatan Onkologi dan Patologi di Karolinska Institutet.
Penyelidikan bebas diperlukan
Kajian menunjukkan bahawa set data yang besar diperlukan untuk membandingkan alat AI yang berbeza dan memastikan kualitinya sebelum dilaksanakan dalam penjagaan kesihatan. Walaupun keputusannya menjanjikan, lebih banyak pengesahan diperlukan.
"Kajian kami menyerlahkan kepentingan kajian bebas yang meniru amalan klinikal dunia sebenar, " kata Balazs Aç. "Hanya melalui ujian sedemikian kami boleh yakin bahawa alat AI boleh dipercayai dan berkesan untuk kegunaan klinikal."