Hoe AI die akkuraatheid van die opsporing van borskanker verhoog

'N Kunsmatige intelligensie-instrument - opgelei op ongeveer 'n miljoen mammografiese beelde - kan borskanker met ongeveer 90% akkuraatheid identifiseer, gekombineer met radiolooganalise, blyk uit 'n nuwe studie.

Die studie het ondersoek ingestel na die vermoë van 'n tipe kunsmatige intelligensie (AI), 'n rekenaarprogram vir masjienleer, om waarde toe te voeg tot die diagnoses wat 'n groep van 14 radioloë bereik het toe hulle 720 beoordeel het. mammogram beelde.

“Die uiteindelike doel van ons werk is om radioloë te vergroot en nie te vervang nie.”

“Ons studie het bevind dat AI kankerverwante patrone geïdentifiseer het in die gegewens wat radioloë nie kon nie, en omgekeerd,” sê Krzysztof Geras, senior studie-outeur, assistent-professor in die radiologie-afdeling aan die New York Universiteit se Grossman School of Medicine.

“AI het veranderinge in pixelvlak in weefsel wat vir die menslike oog sigbaar is, opgespoor, terwyl mense vorme van redenering gebruik wat nie vir AI beskikbaar is nie,” voeg Geras, ook 'n geaffilieerde fakulteitslid by die Centre for Data Science, by. “Die uiteindelike doel van ons werk is om radioloë te vergroot en nie te vervang nie.”

In 2014 het vroue (sonder simptome) in die Verenigde State meer as 39 miljoen mammografie-eksamens afgelê om na borskanker te kyk en die behoefte aan nouer opvolging te bepaal. Daar word verwys na vroue wie se toetsuitslae abnormale bevindings van mammografie lewer biopsie, 'n prosedure wat 'n klein monster borsweefsel vir laboratoriumtoetsing verwyder.

Drie beelde van borsweefsel langs mekaar. Die eerste is swart en wit, die tweede het groen kolle, die derde is rooi kolle.Die AI-instrument het geleer om te voorspel watter letsels waarskynlik kwaadaardig was (rooi hittekaart) of waarskynlik goedaardig (groen hittekaart), met die potensiaal om radioloë te help met die diagnose van borskanker. (Krediet: NYU School of Medicine)

In die nuwe studie het die navorsingspan statistiese tegnieke ontwerp om hul program te “leer” hoe om beter te word by 'n taak sonder om presies te vertel hoe. Sulke programme bou wiskundige modelle wat besluitneming moontlik maak op grond van data-voorbeelde wat daarin ingevoer word, en die program word 'slimmer', aangesien dit meer en meer data beoordeel.

Moderne AI-benaderings, wat inspirasie verkry uit die menslike brein, gebruik komplekse stroombane om inligting in lae te verwerk, met elke stap om inligting na die volgende te voer, en dit gee min of meer belang aan elke inligting onderweg.

Die skrywers van die huidige studie het hul AI-instrument opgelei op baie beelde wat ooreenstem met die resultate van biopsies wat in die verlede uitgevoer is. Hulle doel was om die hulpmiddel in staat te stel om radioloë te help om die aantal biopsies wat nodig is, te verminder. Dit kan net bereik word, sê Geras, deur die vertroue wat dokters het in die akkuraatheid van assesserings wat vir die keuring van eksamens gedoen word, te vergroot (byvoorbeeld vals-positiewe en vals-negatiewe resultate).

Vir die huidige studie het die navorsingspan beelde wat gedurende sewe jaar as deel van roetine kliniese sorg versamel is, geanaliseer, deur die versamelde data gesif en die beelde met biopsie-resultate gekoppel. Hierdie poging het 'n buitengewone groot datastel geskep vir hul AI-instrument om op te lei, volgens die skrywers, bestaande uit 229,426 mammografie-eksamens vir digitale vertonings en 1,001,093 10,000 XNUMX beelde. Die meeste databasisse wat die navorsers tot dusver in studies gebruik het, is beperk tot XNUMX beelde of minder.

Dus het die navorsers hul neurale netwerk opgelei deur dit te programmeer om beelde uit die databasis waarvoor kankerdiagnoses reeds bepaal is, te ontleed. Dit het beteken dat navorsers die “waarheid” vir elke mammografiese beeld (kanker al dan nie) ken toe hulle die akkuraatheid van die werktuig toets, terwyl die instrument moes raai. Die navorsers het akkuraatheid gemeet in die frekwensie van korrekte voorspellings.

Daarbenewens het die navorsers die AI-model van die studie ontwerp om eers baie klein kolle van die volledige resolusie-beeld afsonderlik te oorweeg om 'n hittekaart, 'n statistiese beeld van die waarskynlikheid van siektes, te skep. Daarna beskou die program die hele bors vir strukturele kenmerke wat aan kanker gekoppel is, en let op die gebiede wat op die hittekaart op die pixelvlak gemerk is.

Eerder as dat die navorsers beeldfunksies identifiseer vir hul AI om na te soek, ontdek die instrument op sigself watter beeldfunksies die voorspellings akkuraatheid verhoog. Die span beplan om hierdie akkuraatheid verder te verhoog deur die AI-program in meer inligting op te lei, miskien om veranderinge in borsweefsel te identifiseer wat nog nie kanker het nie, maar wel die potensiaal het om te wees.

"Die oorgang na AI-ondersteuning in diagnostiese radiologie moet voortgaan soos die aanvaarding van selfbestuurende motors - stadig en versigtig, vertroue opbou en stelsels verbeter, met die fokus op veiligheid," sê eerste skrywer Nan Wu, doktorale kandidaat aan die Sentrum vir Datawetenskap.

Die studie verskyn in IEEE-transaksies op mediese beeldvorming.

Bykomende medestigters is van NYU, SUNY Downstate College of Medicine, die Universiteit van Cambridge, en Jagiellonian Universiteit.

Ondersteuning vir die werk kom deels van die National Institutes of Health. Die model wat in hierdie studie gebruik is, is op die terrein beskikbaar gestel om innovasie aan te wakker.

oorspronklike Studie

books_health

volg InnerSelf op

Facebook-ikoonTwitter-ikoonrss-ikoon

Kry die nuutste per e-pos

Emailcloak = {af}