Ang diskarte sa pag-aaral ng makina na may 93% na katumpakan "ay kumakatawan sa isang promising na bagong direksyon sa maagang pagtuklas ng ovarian cancer, at marahil sa iba pang mga uri ng kanser," sabi niya. John McDonald, propesor sa Georgia Tech.
ADVERTISING
Ang maagang pagtuklas ay lalong mahalaga, dahil inilalarawan ng mga mananaliksik ng Georgia Tech ang ovarian cancer bilang isang "silent killer" na karaniwang walang sintomas sa simula - ito ay madalang na matagpuan sa panahon ng regular na pelvic exam.
Sinasabi ng mga siyentipiko ng Georgia Tech na ang metabolic profile ng isang babae ay maaaring gamitin upang matukoy ang tiyak na posibilidad na magkaroon siya ng ovarian cancer.
New test detects ovarian cancer earlier — thanks to artificial intelligence https://t.co/Tze7SvayUa pic.twitter.com/el0mFqFEh4
- New York Post (@nypost) Enero 30, 2024
Ang kanser sa ovarian ay isa sa mga nangungunang sanhi ng pagkamatay ng kanser sa mga kababaihan.
ADVERTISING
Ang American Cancer Society ay nag-uulat na humigit-kumulang 1 sa 87 kababaihan ang magdurusa mula sa ovarian cancer at 1 sa 130 ay malamang na mamatay mula rito. Kasama sa mga babala ang pagdurugo, pananakit ng tiyan, hirap sa pagkain at madalas na pag-ihi. Kapag ginagamot nang maaga, ang limang taong survival rate ay higit sa 90%, sabi ng Georgia Tech.
Itinuon ng mga mananaliksik ang kanilang mga pagsisikap sa mga metabolite - mga molekula na ginawa mula sa mga proseso ng kemikal - sa dugo. Kadalasan, ang mga potensyal na metabolite na nagbabago ng laro ay natukoy sa malawak na mga grupo sa halip na bilang mga indibidwal na entity, ipinaliwanag ng co-author na si Jeffrey Skolnick.
Mas mababa sa 7% ng mga ito sa dugo ang nailalarawan sa kemikal, ngunit ang machine learning - na sinamahan ng analytical technique ng mass spectrometry - ay nagbigay-daan sa mga mananaliksik na tukuyin ang mga natatanging tampok na maaaring magbigay ng daan para sa pag-diagnose ng ovarian cancer, idinagdag ng co-author na si Dongjo Ban. .
ADVERTISING
Basahin din: