masse kunstig intelligens forskere (DER) fra Google i samarbejde med Northwestern University Hospital har skabt en kunstig intelligens-model, der kan påvise lungekræft. Ifølge data fra Verdenssundhedsorganisationen er lungekræft (ondartet væv i lungerne) en af de mest almindelige dødsårsager globalt, og dræber mere end to millioner mennesker om året og dræber lige så mange mennesker som brystkræft.
For at hjælpe sundhedsprofessionelle kan algoritmer og computere være med til at udvikle avancerede metoder på sundhedsområdet.
Men for at disse værktøjer kan være nyttige, skal de være tilgængelige og forståelige for alle, læger og patienter, selv uden nogen som helst teknologisk eller computerviden.
Faktisk bør det være kendt, at driften af alle digitale enheder er baseret på computerprogrammer og data.
Udtrykket "kunstig intelligens" indebærer, at disse enheder er i stand til at tænke selv.. Hvis de er programmeret korrekt, kan smarte enheder evaluere de data, der bliver tilført dem, og ændre processer eller parametre 'on the fly'. Givet nok information, kan de "lære" og ændre deres egen kode. baseret på disse nye parametre.
I de sidste tre år har teams hos Google anvendt kunstig intelligens på problemer i sundhedsvæsenet, lige fra diagnosticering af øjensygdomme til forudsigelse af patientresultater i lægejournaler.
I dag deler vi ny forskning, der viser, hvordan AI kan forudsige lungekræft på måder, der kan øge chancerne for overlevelse for mange udsatte mennesker rundt om i verden.
Kunstig intelligens for at forbedre livskvaliteten
Detaljeret i forskning offentliggjort 20. maj i Nature Medicine, deep learning model blev brugt til at forudsige, om en patient har lungekræft, genererer lungekræftrisikoscore og identificerer lungekræftens placering.
"Ved at demonstrere, at dyb læring kan øge specificiteten uden at ofre følsomhed, håber vi at sætte gang i yderligere forskning og diskussion om den rolle, AI kan spille i at ændre cost-benefit-skalaen af kræftscreening." , kan vi læse på Google-bloggen.
"Det kunstige intelligenssystem bruger 3D volumetrisk dyb læring til at analysere den fulde anatomi af brystscanningen, såvel som patches baseret på genstandsdetektionsteknikker, der identificerer områder med ondartede læsioner," siger Shreeva Shetty. , teknisk chef for Google.
Ved at analysere en enkelt scanning opdagede modellen kræft (i gennemsnit 5%) hyppigere end en gruppe på seks menneskelige eksperter og var 11 % mere tilbøjelige til at reducere falske positiver (en falsk positiv er resultatet af en beslutning i et tovejsvalg, erklæret positiv, hvor den faktisk er negativ)
Radiologer ser ofte hundredvis af 2D-billeder i en enkelt CT-scanning, og kræft kan være lille og svær at opdage. Vi skabte en model, der ikke kun kan generere den overordnede malignitetsforudsigelse af lungekræft (set i 3D-volumen), men også identificere subtilt malignt væv i lungerne (lungeknuder).
Modellen kan også tage hensyn til oplysninger fra tidligere scanninger, som er nyttige til at forudsige lungekræftrisiko, fordi væksthastigheden af mistænkelige lungeknuder kan være tegn på malignitet.
Disse indledende resultater er opmuntrende, men yderligere undersøgelser vil vurdere virkningen og anvendeligheden i klinisk praksis.
I vores forskning udnyttede vi 45,856 ubesvarede tilfælde af CT-screening af brystet (nogle hvor der blev opdaget kræft) fra NIH-forskningsdatasættet fra National Lung Screening Trial og Northwestern University-undersøgelsen. Vi validerede resultaterne med et andet datasæt og sammenlignede også vores resultater med 6 amerikanske bestyrelsescertificerede radiologer.
Google annoncerer, at det vil gøre modellen tilgængelig via Google Cloud Healthcare API, efterhånden som yderligere test og test med partnerorganisationer fortsætter.
kilde: https://www.blog.google/