{vembed Y = urJ7QEdhP_U}

Інструмент штучного інтелекту - навчений приблизно на мільйон скринінг-мамографічних зображень - може виявити рак молочної залози приблизно з 90% точністю в поєднанні з рентгенологічним аналізом.

Дослідження вивчало здатність типу штучного інтелекту (AI), комп'ютерної програми машинного навчання, додавати значення діагнозам групи 14 рентгенологів, досягнутих під час огляду 720 мамограма зображення.

«Кінцева мета нашої роботи - розширити, а не замінити людей-рентгенологів».

"Наше дослідження показало, що AI виявив закономірності раку в даних, які радіологи не могли, і навпаки", - говорить старший автор дослідження Кшиштоф Герас, доцент кафедри радіології кафедри медицини Гроссмана Нью-Йоркського університету.

"AI виявив зміни рівня пікселя в тканині, невидимій людському оці, тоді як люди використовували форми міркування, недоступні для ШІ", - додає Герас, також член афілійованого факультету Центру наукових даних. «Кінцева мета нашої роботи - розширити, а не замінити людей-рентгенологів».


Innersele підписатися графіка


У 2014 році жінки (без симптомів) у США отримали понад 39 мільйонів обстежень на мамографію для обстеження на рак молочної залози та визначення потреби у більш детальному спостереженні. Звертаються жінки, результати тестів яких дають ненормальні дані мамографії біопсія, процедура, яка вилучає невеликий зразок тканини молочної залози для лабораторного дослідження.

Three images of breast tissue side by side. The first is black and white, the second has spots of green, the third has spots of red.Інструмент ШІ навчився прогнозувати, які пошкодження можуть бути злоякісними (червона карта тепла) або ймовірними доброякісними (зелена карта тепла), що може допомогти рентгенологам у діагностиці раку молочної залози. (Кредит: Медична школа Нью-Йоркського університету)

У новому дослідженні дослідницька група розробила статистичні методи, які дозволяють їхній програмі «навчитися», як краще впоратися із завданням, не розказуючи, як саме. Такі програми будують математичні моделі, що дозволяють приймати рішення на основі прикладів даних, що подаються до них, при цьому програма стає «розумнішою», оскільки вона переглядає все більше даних.

Сучасні підходи AI, які беруть натхнення з людського мозку, використовують складні схеми для обробки інформації в шарах, кожен крок подає інформацію в наступну, і надає більш-менш важливе значення для кожної інформації на цьому шляху.

Автори поточного дослідження навчили свій інструмент ШІ на багатьох зображеннях, сумісних з результатами біопсій, проведених у минулому. Їх метою було надати можливість інструменту допомогти рентгенологам зменшити кількість біопсій, необхідних для просування вперед. Цього можна досягти, зазначає Герас, лише підвищивши впевненість, яку медики мають у точності оцінок, зроблених за скринінг-іспити (наприклад, скорочення хибно позитивний і хибнонегативні результати).

Для поточного дослідження дослідницька група проаналізувала зображення, зібрані в рамках звичайної клінічної допомоги протягом семи років, просіюючи зібрані дані та зв'язуючи зображення з результатами біопсії. Автори кажуть, що ці зусилля створили надзвичайно великий набір даних для їх інструменту AI для навчання, який складається з 229,426 1,001,093 іспитів на цифрову скринінг з мамографії та 10,000 XNUMX XNUMX зображень. Більшість баз даних, які дослідники використовували в сучасних дослідженнях, були обмежені до XNUMX XNUMX зображень або менше.

Таким чином, дослідники навчали свою нейронну мережу, програмуючи її для аналізу зображень із бази даних, для якої вже були визначені діагнози раку. Це означало, що дослідники знали «правду» для кожного зображення мамографії (рак чи ні), коли вони перевіряли точність інструменту, тоді як інструмент повинен був здогадуватися. Дослідники вимірювали точність частоти правильних прогнозів.

Крім того, дослідники розробили дослідницьку модель ШІ, щоб спочатку розглянути дуже невеликі ділянки зображення повного дозволу окремо, щоб створити теплову карту, статистичну картину ймовірності захворювання. Потім програма розглядає всю груди на структурні особливості, пов’язані з раком, приділяючи більшу увагу ділянкам, відміченим на тепловій карті рівня пікселів.

Замість того, щоб дослідники визначали особливості зображення для їх AI для пошуку, інструмент самостійно виявляє, які функції зображення підвищують точність прогнозування. Просуваючись вперед, команда планує ще більше підвищити цю точність, навчаючи програму ШІ на більшій кількості даних, можливо, навіть виявляючи зміни в тканинах молочної залози, які ще не є раковими, але мають потенціал.

"Перехід на підтримку ШІ в діагностичній радіології повинен проходити як прийняття автомобілів, що керують самогубством - повільно і обережно, будуючи довіру та вдосконалюючи системи на шляху з фокусом на безпеці", - каже перший автор Нан Ву, кандидат доктора в Центр наукових даних.

Дослідження з'являється в Операції IEEE з медичних зображень.

Про автора

Старший автор дослідження Кшиштоф Герас - асистент кафедри радіології Медичної школи Гроссмана Нью -Йоркського університету.

Додаткові співавтори - з Нью-Йоркського університету, Медичного коледжу SUNY Downstate, Кембриджського університету та Ягеллонського університету.

Підтримка роботи частково надійшла від Національних інститутів охорони здоров’я. Модель, використана в цьому дослідженні, стала доступною для популяризації інновацій.

Оригінальне дослідження

Схожі книги:

Тіло веде рахунок: мозок, розум і тіло в лікуванні травми

Бесселя ван дер Колка

Ця книга досліджує зв’язки між травмою та фізичним і психічним здоров’ям, пропонуючи ідеї та стратегії зцілення та відновлення.

Натисніть, щоб дізнатися більше або замовити

Дихання: нова наука втраченого мистецтва

Джеймс Нестор

Ця книга досліджує науку та практику дихання, пропонуючи ідеї та методи покращення фізичного та психічного здоров’я.

Натисніть, щоб дізнатися більше або замовити

Парадокс рослин: приховані небезпеки в «здорових» продуктах, які викликають хвороби та збільшення ваги

Стівен Р. Гандрі

Ця книга досліджує зв’язки між дієтою, здоров’ям і хворобою, пропонуючи ідеї та стратегії для покращення загального здоров’я та самопочуття.

Натисніть, щоб дізнатися більше або замовити

Кодекс імунітету: нова парадигма справжнього здоров’я та радикальної боротьби зі старінням

Джоел Грін

Ця книга пропонує новий погляд на здоров’я та імунітет, спираючись на принципи епігенетики та пропонуючи ідеї та стратегії для оптимізації здоров’я та старіння.

Натисніть, щоб дізнатися більше або замовити

Повний посібник із голодування: зцілюйте своє тіло за допомогою періодичного, іншого дня та тривалого голодування

доктора Джейсона Фунга та Джиммі Мура

Ця книга досліджує науку та практику голодування, пропонуючи ідеї та стратегії для покращення загального здоров’я та благополуччя.

Натисніть, щоб дізнатися більше або замовити