Ο ερευνητές τεχνητής νοημοσύνης (ΟΛΑ ΣΥΜΠΕΡΙΛΑΜΒΑΝΟΝΤΑΙ) από την Google σε συνεργασία με το Πανεπιστημιακό Νοσοκομείο Northwestern έχουν δημιουργήσει ένα μοντέλο τεχνητής νοημοσύνης που μπορεί να ανιχνεύσει τον καρκίνο του πνεύμονα. Σύμφωνα με στοιχεία του Παγκόσμιου Οργανισμού Υγείας, ο καρκίνος του πνεύμονα (κακοήθης ιστός στους πνεύμονες) είναι μια από τις πιο κοινές αιτίες θανάτου παγκοσμίως, σκοτώνοντας περισσότερους από δύο εκατομμύρια ανθρώπους ετησίως και σκοτώνοντας όσους ανθρώπους όπως ο καρκίνος του μαστού.
Για να βοηθήσουν τους επαγγελματίες υγείας, οι αλγόριθμοι και οι υπολογιστές μπορούν να βοηθήσουν στην ανάπτυξη προηγμένων μεθόδων στον τομέα της υγείας.
Ωστόσο, για να είναι χρήσιμα αυτά τα εργαλεία, θα πρέπει να είναι προσβάσιμα και κατανοητά σε όλους, γιατρούς και ασθενείς, ακόμη και χωρίς καμία γνώση τεχνολογίας ή υπολογιστή.
Μάλιστα, θα πρέπει να γίνει γνωστό ότι η λειτουργία όλων των ψηφιακών συσκευών βασίζεται σε προγράμματα και δεδομένα υπολογιστών.
Ο όρος «τεχνητή νοημοσύνη» υποδηλώνει ότι αυτές οι συσκευές είναι ικανές να σκέφτονται μόνες τους.. Εάν προγραμματιστούν σωστά, οι έξυπνες συσκευές μπορούν να αξιολογήσουν τα δεδομένα που τροφοδοτούνται σε αυτές και να αλλάξουν διαδικασίες ή παραμέτρους «εν κινήσει». Με αρκετές πληροφορίες, μπορούν να «μάθουν» και να τροποποιήσουν τον δικό τους κώδικα. με βάση αυτές τις νέες παραμέτρους.
Τα τελευταία τρία χρόνια, ομάδες της Google εφαρμόζουν την τεχνητή νοημοσύνη σε προβλήματα στην υγειονομική περίθαλψη, από τη διάγνωση οφθαλμικών ασθενειών έως την πρόβλεψη των αποτελεσμάτων των ασθενών στα ιατρικά αρχεία.
Σήμερα μοιραζόμαστε νέα έρευνα που δείχνει πώς η τεχνητή νοημοσύνη μπορεί να προβλέψει τον καρκίνο του πνεύμονα με τρόπους που μπορούν να αυξήσουν τις πιθανότητες επιβίωσης για πολλά άτομα σε κίνδυνο σε όλο τον κόσμο.
Τεχνητή Νοημοσύνη για τη βελτίωση της ποιότητας ζωής
Αναλυτικά σε έρευνα που δημοσιεύτηκε στις 20 Μαΐου στο Nature Medicine, Το μοντέλο βαθιάς μάθησης χρησιμοποιήθηκε για να προβλέψει εάν ένας ασθενής έχει καρκίνο του πνεύμονα, δημιουργώντας τη βαθμολογία κινδύνου καρκίνου του πνεύμονα και προσδιορίζοντας τη θέση του καρκίνου του πνεύμονα.
«Δείχνοντας ότι η βαθιά μάθηση μπορεί να αυξήσει την ειδικότητα χωρίς να θυσιάζει την ευαισθησία, ελπίζουμε να πυροδοτήσουμε περαιτέρω έρευνα και συζήτηση σχετικά με το ρόλο που μπορεί να παίξει η τεχνητή νοημοσύνη στην αλλαγή της κλίμακας κόστους-οφέλους του προσυμπτωματικού ελέγχου καρκίνου». , μπορούμε να διαβάσουμε στο ιστολόγιο της Google.
«Το σύστημα τεχνητής νοημοσύνης χρησιμοποιεί τρισδιάστατη ογκομετρική βαθιά εκμάθηση για να αναλύσει την πλήρη ανατομία της σάρωσης θώρακα, καθώς και μπαλώματα που βασίζονται σε τεχνικές ανίχνευσης αντικειμένων που εντοπίζουν περιοχές με κακοήθεις βλάβες», λέει η Shreeva Shetty. , τεχνικός διευθυντής της Google.
Αναλύοντας μία μόνο σάρωση, το μοντέλο εντόπισε καρκίνο (κατά μέσο όρο 5%) πιο συχνά από μια ομάδα έξι ανθρώπων ειδικών και είχε 11% περισσότερες πιθανότητες να μειώσει τα ψευδώς θετικά αποτελέσματα (το ψευδώς θετικό είναι το αποτέλεσμα μιας απόφασης σε αμφίδρομες εκλογές, που δηλώνεται θετική, όπου είναι στην πραγματικότητα αρνητική)
Οι ακτινολόγοι βλέπουν συχνά εκατοντάδες 2D εικόνες σε μία μόνο αξονική τομογραφία και ο καρκίνος μπορεί να είναι μικροσκοπικός και δύσκολος να εντοπιστεί. Δημιουργήσαμε ένα μοντέλο που μπορεί όχι μόνο να δημιουργήσει τη συνολική πρόβλεψη κακοήθειας του καρκίνου του πνεύμονα (που προβάλλεται σε τρισδιάστατο τόμο) αλλά και να αναγνωρίσει λεπτούς κακοήθεις ιστούς στους πνεύμονες (οζίδια του πνεύμονα).
Το μοντέλο μπορεί επίσης να λάβει υπόψη πληροφορίες από προηγούμενες σαρώσεις, χρήσιμες για την πρόβλεψη του κινδύνου καρκίνου του πνεύμονα, επειδή ο ρυθμός ανάπτυξης των ύποπτων οζιδίων του πνεύμονα μπορεί να είναι ενδεικτικός κακοήθειας.
Αυτά τα αρχικά αποτελέσματα είναι ενθαρρυντικά, αλλά περαιτέρω μελέτες θα αξιολογήσουν τον αντίκτυπο και τη χρησιμότητα στην κλινική πράξη.
Στην έρευνά μας, αξιοποιήσαμε 45,856 χαμένες περιπτώσεις προσυμπτωματικού ελέγχου θώρακος (ορισμένες στις οποίες ανιχνεύθηκε καρκίνος) από το ερευνητικό σύνολο δεδομένων του NIH της μελέτης National Lung Screening Trial και της μελέτης του Πανεπιστημίου Northwestern. Επικυρώσαμε τα αποτελέσματα με ένα δεύτερο σύνολο δεδομένων και επίσης συγκρίναμε τα αποτελέσματά μας με 6 ακτινολόγους πιστοποιημένους από το διοικητικό συμβούλιο των ΗΠΑ.
Η Google ανακοινώνει ότι θα διαθέσει το μοντέλο μέσω του Google Cloud Healthcare API καθώς συνεχίζονται οι περαιτέρω δοκιμές και δοκιμές με συνεργαζόμενους οργανισμούς.
πηγή: https://www.blog.google/