Deep learning transforms colorectal cancer biomarker prediction from histopathology images
Cet article présente une nouvelle approche, basée sur l'utilisation d'un transformeur (modèle d'apprentissage profond constitué d'un réseau de neurones capables de traiter des données de manière séquentielle), pour prédire, à partir d'images histologiques de tumeurs colorectales, le statut des microsatellites et la présence de mutations au niveau des gènes BRAF et KRAS
Artificial intelligence (AI) is rapidly gaining interest in medicine, including pathological assessments for personalized medicine. In this issue of Cancer Cell, Wagner et al. demonstrate superior accuracy of transformer-based deep learning in predicting biomarker status in CRC. The work has implications for increased efficiency and accuracy in clinical diagnostics guiding treatment decisions in precision oncology.
Cancer Cell , éditorial, 2022