United KingdomForscher von Stanford Medicine haben eine Plattform für künstliche Intelligenz entwickelt, die Standard-H&E-gefärbte Pathologie-Folien analysieren kann, um komplexe zelluläre Interaktionen innerhalb von Tumoren zu identifizieren. Diese Technologie verwandelt traditionelle zweidimensionale Bilder in detaillierte räumliche Karten, die zeigen, wie Krebszellen, Immunzellen und Stromzellen kommunizieren. Das System identifiziert 10 verschiedene zelluläre "Nachbarschaften" bei nicht-kleinzelligem Lungenkrebs, von denen einige mit schlechten Patientenergebnissen und Immuntherapie-Resistenz korrelieren. Die Methode nutzt eine Technik namens CODEX, die mehrere Proteine und Zelltypen innerhalb von Tumoren detektiert, aber ressourcenintensiv ist. Um diese Einschränkungen zu beheben, trainierte das Team über 18 Millionen KI-Zellen von 457 Patienten, wodurch Vorhersagen basierend auf vorhandenen Pathologie-Folien statt auf kostspieligen Experimenten möglich wurden.
Tendenz-Einschätzung (Mitte): Der Artikel präsentiert wissenschaftliche Forschung ohne offensichtlichen ideologischen Rahmen. Er konzentriert sich auf medizinische Innovationen und klinische Erkenntnisse, wobei technische Details und datengesteuerte Schlussfolgerungen hervorgehoben werden. Es gibt keine Hinweise auf parteiische Voreingenommenheit oder Befürwortung bestimmter politischer Agenden.
