Wykorzystanie sztucznej inteligencji do wstępnego wykrywania mutacji FGFR3 na podstawie rutynowych preparatów histologicznych raka mięśniowo-inwazyjnego pęcherza moczowego
Mutacje aktywujące receptor czynnika wzrostu fibroblastów 3 (FGFR3) odgrywają kluczową rolę w progresji raka urotelialnego, zwłaszcza w przypadkach nowotworu mięśniowo-inwazyjnego i przerzutowego. Obecne metody wykrywania tych mutacji, takie jak reakcja łańcuchowa polimerazy lub sekwencjonowanie nowej generacji, wymagają wysokiej jakości próbek tkankowych, są czasochłonne i kosztowne. W celu przezwyciężenia tych ograniczeń opracowano model uczenia głębokiego, który umożliwia wstępne wykrywanie mutacji FGFR3 na podstawie standardowych preparatów histologicznych barwionych hematoksyliną i eozyną.
Materiał przeznaczony wyłącznie dla pracowników służby zdrowia
Ten materiał jest dostępny dla zarejestrowanych użytkowników.
Zaloguj się
Szanowni użytkownicy,
część materiałów udostępnianych na naszym portalu jest przeznaczona
wyłącznie dla lekarzy.
Wynika to z regulacji prawnych, do których musimy się stosować.
Jeśli nie jesteś lekarzem, zachęcamy do korzystania z przygotowanych przez nas materiałów dostępnych w zakładce dla pacjentów.