Förbättrad AI för att förutsäga leukemityper med högre noggrannhet
Forskare gör framsteg i att använda artificiell intelligens (AI) för att diagnostisera akut lymfatisk leukemi (ALL), en vanlig barndomscancer, genom att analysera patienters RNA-data. Traditionella AI-modeller kan förutsäga molekylära subtyper av ALL, men de gör ibland misstag eller saknar tydlig säkerhet i sina resultat. En ny studie har hanterat dessa problem genom att lägga till ett lager av "säkerhet" till förutsägelserna, vilket gör AI mer tillförlitligt för eventuell användning av läkare.
Forskarna använde en avancerad statistisk teknik som kallas "conformal prediction", vilken justerar AI:ns resultat för att visa hur säker den är på sina förutsägelser. De utvecklade ett verktyg som kallas ALLCoP, som fungerar tillsammans med en befintlig AI-klassificerare, ALLIUM, för att skapa förutsägelser som är mindre benägna att missa viktiga diagnoser.
ALLCoP analyserade RNA-data från över 1 000 patienter och skapade "förutsägelsesset" som minskar risken för att missa en korrekt diagnos till så lågt som 3,5 %, jämfört med 8,95 % med den ursprungliga modellen. Detta verktyg gav också mer exakta insikter för fall med osäkra resultat och halverade antalet "tomma förutsägelser" där AI inte kunde ge något svar.
Forskarna testade ALLCoP på andra klassificerare och visade att det fungerar bra med olika verktyg. Denna framgång kan förbättra hur leukemi diagnostiseras och behandlas, samtidigt som den belyser underliggande genetiska faktorer bakom sjukdomen.