{vembed Y = urJ7QEdhP_U}
Un instrument de inteligență artificială - instruit cu aproximativ un milion de imagini de screening pentru mamografie - poate identifica cancerul de sân cu o precizie de aproximativ 90% atunci când este combinat cu analiza radiologului, constată un nou studiu.
Studiul a examinat capacitatea unui tip de inteligență artificială (AI), un program de calculator de învățare automată, de a adăuga valoare diagnosticelor la care au ajuns un grup de 14 radiologi în timp ce au analizat 720 mamografia imagini.
„Scopul final al muncii noastre este de a spori, nu de a înlocui radiologii umani.”
„Studiul nostru a constatat că AI a identificat tipare legate de cancer în datele pe care radiologii nu le-au putut, și invers”, spune autorul principal al studiului, Krzysztof Geras, profesor asistent în departamentul de radiologie de la Universitatea din New York, Universitatea Grossman School of Medicine.
„AI a detectat modificări la nivelul pixelilor în țesuturile invizibile pentru ochiul uman, în timp ce oamenii foloseau forme de raționament care nu erau disponibile pentru AI”, adaugă Geras, de asemenea membru al facultății afiliat la Centrul pentru Știința Datelor. „Scopul final al muncii noastre este de a spori, nu de a înlocui radiologii umani.”
În 2014, femeile (fără simptome) din Statele Unite au primit peste 39 de milioane de examene de mamografie pentru a depista cancerul de sân și pentru a determina necesitatea unei urmăriri mai atente. Sunt menționate femeile ale căror rezultate de testare dau rezultate anormale la mamografie biopsie, o procedură care elimină un mic eșantion de țesut mamar pentru teste de laborator.
Instrumentul AI a învățat să prezică care leziuni erau probabil maligne (hartă de căldură roșie) sau probabil benigne (hartă de căldură verde), cu potențialul de a ajuta radiologii în diagnosticul cancerului de sân. (Credit: Școala de Medicină NYU)
În noul studiu, echipa de cercetare a conceput tehnici statistice care permit programului lor să „învețe” cum să devină mai bun la o sarcină fără să li se spună exact cum. Astfel de programe construiesc modele matematice care permit luarea deciziilor pe baza exemplelor de date introduse în ele, programul devenind „mai inteligent” pe măsură ce revizuiește din ce în ce mai multe date.
Abordările moderne de AI, care se inspiră din creierul uman, utilizează circuite complexe pentru a procesa informații în straturi, fiecare pas alimentând informații în următorul și atribuind mai mult sau mai puțină importanță fiecărei informații de-a lungul drumului.
Autorii studiului actual și-au instruit instrumentul de AI pe multe imagini potrivite cu rezultatele biopsiilor efectuate în trecut. Scopul lor a fost de a permite instrumentul de a ajuta radiologii să reducă numărul de biopsii necesare pentru a merge mai departe. Acest lucru se poate realiza doar, spune Geras, prin creșterea încrederii pe care o au medicii în acuratețea evaluărilor făcute pentru examenele de screening (de exemplu, reducerea fals pozitiv și rezultate fals-negative).
Pentru studiul actual, echipa de cercetare a analizat imaginile colectate ca parte a îngrijirii clinice de rutină pe parcursul a șapte ani, trecând prin datele colectate și conectând imaginile cu rezultatele biopsiei. Acest efort a creat un set de date extraordinar de mare pentru ca instrumentul lor de AI să se antreneze, spun autorii, constând din 229,426 examene de mamografie cu screening digital și 1,001,093 imagini. Majoritatea bazelor de date pe care cercetătorii le-au folosit până acum în studii au fost limitate la 10,000 de imagini sau mai puțin.
Astfel, cercetătorii și-au instruit rețeaua neuronală programând-o pentru a analiza imagini din baza de date pentru care diagnosticul de cancer fusese deja stabilit. Aceasta a însemnat că cercetătorii știau „adevărul” pentru fiecare mamografie (cancer sau nu), deoarece au testat acuratețea instrumentului, în timp ce instrumentul a trebuit să ghicească. Cercetătorii au măsurat acuratețea frecvenței predicțiilor corecte.
În plus, cercetătorii au conceput modelul de studiu AI pentru a lua în considerare mai întâi patch-uri foarte mici ale imaginii cu rezoluție completă separat pentru a crea o hartă de căldură, o imagine statistică a probabilității bolii. Apoi, programul ia în considerare întregul sân pentru caracteristicile structurale legate de cancer, acordând o atenție mai mare zonelor marcate în harta de căldură la nivel de pixel.
Mai degrabă decât ca cercetătorii să identifice caracteristicile imaginii pe care AI să le caute, instrumentul descoperă singur ce caracteristici ale imaginii măresc precizia predicției. Mergând mai departe, echipa intenționează să mărească în continuare această precizie prin instruirea programului de AI cu mai multe date, identificând poate chiar modificări ale țesutului mamar care nu sunt încă canceroase, dar care au potențialul de a fi.
„Tranziția la asistența AI în radiologia de diagnostic ar trebui să se desfășoare ca adoptarea de mașini cu conducere automată - încet și cu atenție, creând încredere și îmbunătățind sistemele pe parcurs, cu accent pe siguranță”, spune primul autor Nan Wu, candidat la doctorat la Centrul pentru Știința Datelor.
Studiul apare în Tranzacții IEEE privind imagistica medicală.
Despre autor
Autorul principal al studiului, Krzysztof Geras, este profesor asistent în departamentul de radiologie de la Universitatea din New York, Universitatea Grossman School of Medicine.
Coautori suplimentari sunt de la NYU, SUNY Downstate College of Medicine, Universitatea din Cambridge și Universitatea Jagielloniană.
Sprijinul pentru muncă a venit, în parte, de la Institutele Naționale de Sănătate. Modelul utilizat în acest studiu a fost pus la dispoziția domeniului pentru a stimula inovația.
Cărți asemănătoare:
Corpul păstrează scorul: creier, minte și corp în vindecarea traumei
de Bessel van der Kolk
Această carte explorează conexiunile dintre traumă și sănătatea fizică și mentală, oferind perspective și strategii pentru vindecare și recuperare.
Click pentru mai multe informatii sau pentru a comanda
Respirația: Noua știință a unei arte pierdute
de James Nestor
Această carte explorează știința și practica respirației, oferind perspective și tehnici pentru îmbunătățirea sănătății fizice și mentale.
Click pentru mai multe informatii sau pentru a comanda
Paradoxul plantelor: pericolele ascunse din alimentele „sănătoase” care provoacă boli și creșterea în greutate
de Steven R. Gundry
Această carte explorează legăturile dintre dietă, sănătate și boală, oferind perspective și strategii pentru îmbunătățirea sănătății generale și a bunăstării.
Click pentru mai multe informatii sau pentru a comanda
Codul de imunitate: noua paradigmă pentru sănătate reală și anti-îmbătrânire radicală
de Joel Greene
Această carte oferă o nouă perspectivă asupra sănătății și imunității, bazându-se pe principiile epigeneticii și oferind perspective și strategii pentru optimizarea sănătății și a îmbătrânirii.
Click pentru mai multe informatii sau pentru a comanda
Ghidul complet pentru post: vindecă-ți corpul prin post intermitent, în zile alternative și prelungit
de Dr. Jason Fung și Jimmy Moore
Această carte explorează știința și practica postului, oferind perspective și strategii pentru îmbunătățirea sănătății generale și a bunăstării.
