AI-betriebener zweiwertiger Ansatz erhöht die Genauigkeit der Erkennung von Hautkrebs zur Erkennung von Hautkrebs

Hautkrebs ist weltweit die häufigste Form von Krebs, und eine frühzeitige Erkennung ist der Schlüssel für eine erfolgreiche Behandlung. Während traditionelle Methoden auf visuelle Inspektion und Biopsie angewiesen sind, entwickeln die Forscher neue Technologien, die detailliertere Informationen liefern können, ohne in die Haut zu schneiden. Eine kürzlich veröffentlichte Studie in der Journal of Biomedical Optics führt ein kompaktes, nichtinvasives Bildgebungssystem ein, das zwei fortschrittliche Techniken kombiniert, um sowohl die Struktur als auch die chemische Zusammensetzung von Hautkrebs zu untersuchen. Dieser Ansatz könnte die Diagnose und Klassifizierung von Hautkrebs und die Überwachung der Behandlungsreaktionen verbessern.

Das System entwickelt von Forschern des Saint-étienne University Hospital und der Paris-Saclay University in Zusammenarbeit mit Damae Medical (Frankreich) zwei Arten der Bildgebung: Konfokale optische Kohärenztomographie von Linienfeld (LC-Oct), die hochauflösende Bilder der chemischen Aufbilder aufnehmen und die mikrospektroskopischen Bilder in den Mobiltelefonen in den Mobiltelefonen aufweisen. Zusammen ermöglichen diese Tools Forschern, nicht nur die Form und Struktur von Krebszellen zu sehen, sondern auch ihre molekularen Eigenschaften zu verstehen.

Im Laufe eines Jahres wurde das System in einer klinischen Umgebung an mehr als 330 Hautkrebsproben getestet, insbesondere nicht -Melanom -Typen wie Basalzellkarzinom und Plattenepithelkarzinom. Die Forscher verwendeten LC-OCT, um verdächtige Strukturen zu lokalisieren und dann die Raman-Mikrospektroskopie aufzunehmen, um über 1.300 chemische Spektren aus diesen Bereichen zu sammeln. Um die Daten zu interpretieren, bildeten sie ein Modell für künstliche Intelligenz (AI) aus, um Muster zu erkennen, die mit Krebsgeweben verbunden sind.

Das KI -Modell lief gut ab und erreichte eine Klassifizierungsgenauigkeit von 95 Prozent für Basalzellkarzinom und 92 Prozent, wenn beide Krebsarten eingeschlossen waren. Diese Ergebnisse legen nahe, dass das System Krebsstrukturen zuverlässig auf der Grundlage ihrer chemischen Signaturen unterscheiden kann. Weitere Analysen ergaben unterschiedliche chemische Unterschiede zwischen verschiedenen Krebstypen und lieferten neue Einblicke in die Entwicklung dieser Krebserkrankungen und Verhalten.

Dieser doppelte Ansatz könnte in Zukunft zu genaueren, weniger invasiven Hautkrebsdiagnostik führen. Durch die Kombination von strukturellen und chemischen Informationen können Kliniker möglicherweise schnellere und fundiertere Entscheidungen über die Behandlung treffen und die Ergebnisse für Patienten möglicherweise verbessern.

Quellen: