Els investigadors d'Intel·ligència Artificial (IA) de Google que treballen amb el Northwestern University Hospital han creat un model d'IA que pot detectar el càncer de pulmó. Segons les dades de l'Organització Mundial de la Salut, el càncer de pulmó (teixit maligne als pulmons) és una de les causes més comunes de mort a nivell mundial, matant a més de dos milions de persones a l'any i matant a tantes persones com el càncer de mama.
Per ajudar els professionals de la salut, els algoritmes i els ordinadors poden ajudar a desenvolupar mètodes avançats en el camp de la salut.
No obstant això, perquè aquestes eines siguin útils, han de ser accessibles i comprensibles per a tothom, metges i pacients, fins i tot sense cap coneixement tecnològic o informàtic.
De fet, s'ha de saber que el funcionament de tots els dispositius digitals es basa en programes informàtics i dades.
El terme «intel·ligència artificial» implica que aquests dispositius són capaços de pensar per si mateixos. Si es programen correctament, els dispositius intel·ligents poden avaluar les dades que se'ls proporcionen i canviar els processos o paràmetres «sobre la marxa». Si se'ls proporciona suficient informació, poden «aprendre» i modificar el seu propi codi en funció d'aquests nous paràmetres.
Durant els últims tres anys, els equips de Google han estat aplicant la IA a problemes en l'atenció mèdica, des diagnosticar malalties oculars fins predir resultats de pacients en registres mèdics.
Avui estem compartint noves investigacions que mostren com la IA pot predir el càncer de pulmó de manera que pugui augmentar les possibilitats de supervivència de moltes persones en risc a tot el món.
Intel·ligència Artificial per millorar la qualitat de vida
Detallat en una investigació publicada el 20 de maig a Nature Medicine, el model d'aprenentatge profund es va usar per predir si un pacient té càncer de pulmó, Generant la puntuació de risc de càncer de pulmó i identificant la ubicació de el càncer de pulmó.
«A l'demostrar que l'aprenentatge profund pot augmentar l'especificitat sense sacrificar la sensibilitat, esperem generar més investigació i discussió sobre el paper que pot exercir la IA en el canvi de l'escala de cost-benefici de la detecció de el càncer». , Podem llegir al bloc de Google.
«El sistema d'intel·ligència artificial s'usa l'aprenentatge en profunditat volumètric 3D per analitzar l'anatomia completa de l'escàner de tòrax, així com pegats basats en tècniques de detecció d'objectes que identifiquen regions amb lesions malignes», diu Shreeva Shetty. , Responsable tècnic de Google.
A l'analitzar un sol escàner, el model va detectar càncer (De mitjana 5%) amb més freqüència que un grup de sis experts humans i va ser 11% més propens a reduir els falsos positius (Un fals positiu és el resultat d'una decisió en una elecció bidireccional, declarada positiva, on és realment negativa)
Els radiòlegs solen veure centenars d'imatges 2D en una sola tomografia computada i el càncer pot ser minúscul i difícil de detectar. Vam crear un model que no només pot generar la predicció general de malignitat d'el càncer de pulmó (vist en volum 3D) sinó també identificar teixit maligne subtil en els pulmons (nòduls pulmonars).
El model també pot tenir en compte la informació d'exploracions anteriors, útil per predir el risc de càncer de pulmó perquè la taxa de creixement de nòduls pulmonars sospitosos pot ser indicatiu de malignitat.
Aquests resultats inicials són encoratjadors, però estudis addicionals avaluaran l'impacte i la utilitat en la pràctica clínica.
En la nostra investigació, vam aprofitar 45,856 casos de detecció de TAC de tòrax anul·lats (alguns en què es va detectar càncer) del conjunt de dades d'investigació dels NIH de l'estudi National Lung Screening Trial i Northwestern University. Validem els resultats amb un segon conjunt de dades i també comparem els nostres resultats amb 6 radiòlegs certificats per la junta d'EE. UU.
Google anuncia que farà que el model estigui disponible a través de l'API de Google Cloud Healthcare a mesura que continua les proves i proves addicionals amb organitzacions associades.
font: https://www.blog.google/