Oni sada mogu da stvore personalizovani digitalni model pacijentovog srca, ili "digitalnog blizanca" i koriste vještačku inteligenciju da pomognu da se bolje predvidi ko je u najvećem riziku.
"Mi radimo kontrastni MRI srca, i onda kombinujemo to sa svim kliničkim podacima koji su poznati za pacijenta. To se kombinuje sa analizom preživljavanja - i možemo reći tokom 10 godina kakav je rizik od iznenadne smrti pacijenta od bolesti srca", objašnjava Natalia Trayanova sa Univerziteta John Hopkins.
Za razliku od segmentiranih slika koje se danas najčešće koriste, profesorica Trayanova kaže da slike cijelog srca proizvode preciznija predviđanja o tome kojim pacijentima su potrebni defibrilatori.
"Mi pružamo preciznije algoritme koji su multimodalni i koji mnogo bolje predstavljaju stanje pacijenta", kaže ona.
U Centru za istraživanje raka Sidney Kimmel na Univerzitetu Johns Hopkins, doktor Victor Velculescu predvodi istraživanje o razvoju novih načina da se na vrijeme ustanovi rak pluća i druge vrste kancera.
On i njegov tim su primijetili da ćelije raka rastu i reprodukuju se haotičnije nego normalne ćelije. Kada te ćelije umru, ostave za sobom vidljive karakteristike fragmenata DNK koji kruže u krvi, nazvane DNK bez ćelija (cfDNA) koji sadrže podatke o tome da li osoba može da ima rak. Tim je razvio tehnologiju zvanu DELFI, koja koristi nove algoritme za mašinsko učenje o analizi fragmenata DNK bez ćelija.
"Gledamo u krv, identifikujemo molekule DNK nazvane DNK bez ćelija, i tražimo profil ili obrasce tih DNK bez ćelija, kao način da identifikujemo osobe koje imaju rak u odnosu na one koje ga nemaju", kaže on.
Naglašava da bi unapređivanje testova krvi moglo da dovede do poboljšanja provjere i dijagnoze kanceroznih oboljenja širom svijeta.
