AI tools designed to diagnose cancer from tissue samples are quietly learning more than just disease patterns. New research shows these systems can infer patient demographics from pathology slides, leading to biased results for certain groups. The bias stems from how the models are trained and the data they see, not just from missing samples. Researchers also demonstrated a way to significantly reduce these disparities.

تكشف الأبحاث الحديثة أن أدوات الذكاء الاصطناعي المصممة لتشخيص السرطان من عينات الأنسجة تتعلم أيضًا معلومات ديموغرافية عن المرضى من شرائح علم الأمراض، مما يؤدي إلى نتائج متحيزة لبعض المجموعات. ينشأ هذا التحيز ليس فقط من نقص العينات المتنوعة ولكن أيضًا من البيانات المستخدمة لتدريب نماذج الذكاء الاصطناعي.

Investigaciones recientes revelan que las herramientas de IA diseñadas para diagnosticar cáncer a partir de muestras de tejido también están inferiendo datos demográficos de los pacientes a partir de diapositivas de patología, lo que puede llevar a resultados sesgados para ciertos grupos. Este sesgo surge no solo de la ausencia de muestras diversas, sino también de los datos de entrenamiento utilizados para desarrollar estos modelos de IA.

Des recherches récentes révèlent que les outils d'IA conçus pour le diagnostic du cancer à partir d'échantillons de tissus infèrent également des données démographiques des patients à partir de diapositives de pathologie, ce qui peut conduire à des résultats biaisés pour certains groupes. Ce biais provient non seulement de l'absence d'échantillons diversifiés, mais aussi des données d'entraînement utilisées pour développer ces modèles d'IA.

Recent research reveals that AI tools designed for cancer diagnosis from tissue samples are also inferring patient demographics from pathology slides, which can lead to biased results for certain groups. This bias arises not only from the absence of diverse samples but also from the training data used to develop these AI models.

AI detects cancer but it’s also reading who you are

A newly developed AI can predict which diseases specific genetic mutations are likely to cause, not just whether they are harmful. The breakthrough could speed up diagnoses and open new paths for personalized treatment.

أظهرت ذكاء اصطناعي (AI) تم تطويره حديثًا القدرة على التنبؤ بالأمراض المحددة المرتبطة بالطفرات الجينية، مما يمثل تقدمًا كبيرًا في فهم الاضطرابات الجينية. قد تعزز هذه الخطوة سرعة التشخيص وتفتح طرقًا جديدة للعلاج الشخصي المخصص للملفات الجينية الفردية.

Una inteligencia artificial (IA) recientemente desarrollada ha demostrado la capacidad de predecir enfermedades específicas vinculadas a mutaciones genéticas, marcando un avance significativo en la comprensión de los trastornos genéticos. Este avance podría mejorar la velocidad de los diagnósticos y abrir nuevas vías para opciones de tratamiento personalizadas adaptadas a los perfiles genéticos individuales.

Une intelligence artificielle (IA) récemment développée a démontré sa capacité à prédire des maladies spécifiques liées à des mutations génétiques, marquant une avancée significative dans la compréhension des troubles génétiques. Cette percée pourrait améliorer la rapidité des diagnostics et ouvrir la voie à des options de traitement personnalisées adaptées aux profils génétiques individuels.

A newly developed artificial intelligence (AI) has demonstrated the ability to predict specific diseases linked to genetic mutations, marking a significant advancement in understanding genetic disorders. This breakthrough could enhance the speed of diagnoses and pave the way for personalized treatment options tailored to individual genetic profiles.

AI learns to decode the diseases written in your DNA

Researchers used a deep learning AI model to uncover the first imaging-based biomarker of chronic stress by measuring adrenal gland volume on routine CT scans. This new metric, the Adrenal Volume Index, correlates strongly with cortisol levels, allostatic load, perceived stress, and even long-term cardiovascular outcomes, including heart failure risk.

استخدم الباحثون نموذج ذكاء اصطناعي قائم على التعلم العميق لتحديد أول علامة حيوية قائمة على التصوير للإجهاد المزمن، والمعروفة باسم مؤشر حجم الغدة الكظرية، من خلال تحليل حجم الغدد الكظرية في الأشعة المقطعية الروتينية. يظهر هذا المقياس الجديد ارتباطًا قويًا بمستويات الكورتيزول، والعبء الألوستاتيكي، والإجهاد المدرك، ونتائج القلب والأوعية الدموية على المدى الطويل، بما في ذلك خطر فشل القلب.

Investigadores han utilizado un modelo de IA de aprendizaje profundo para identificar el primer biomarcador de imagen del estrés crónico, conocido como el Índice de Volumen Adrenal, al analizar el volumen de las glándulas suprarrenales en tomografías computarizadas de rutina. Este nuevo parámetro muestra una fuerte correlación con los niveles de cortisol, la carga alostática, el estrés percibido y los resultados cardiovasculares a largo plazo, incluido el riesgo de insuficiencia cardíaca.

Des chercheurs ont utilisé un modèle d'IA basé sur l'apprentissage profond pour identifier le premier biomarqueur d'imagerie du stress chronique, connu sous le nom d'Indice de Volume Surrénalien, en analysant le volume des glandes surrénales dans des scanners CT de routine. Ce nouveau paramètre montre une forte corrélation avec les niveaux de cortisol, la charge allostatique, le stress perçu et les résultats cardiovasculaires à long terme, y compris le risque d'insuffisance cardiaque.

Researchers have utilized a deep learning AI model to identify the first imaging-based biomarker of chronic stress, known as the Adrenal Volume Index, by analyzing adrenal gland volume in routine CT scans. This new metric shows a strong correlation with cortisol levels, allostatic load, perceived stress, and long-term cardiovascular outcomes, including the risk of heart failure.