Los Tekoälyn tutkijat (TÄSSÄ) Googlen kanssa Luoteis-yliopistollisen sairaalan kanssa ovat luoneet tekoälymallin, joka pystyy havaitsemaan keuhkosyövän. Maailman terveysjärjestön tietojen mukaan keuhkosyöpä (pahanlaatuinen kudos keuhkoissa) on yksi yleisimmistä kuolinsyistä maailmanlaajuisesti, ja se tappaa yli kaksi miljoonaa ihmistä vuodessa ja tappaa yhtä monta ihmistä. kuten rintasyöpä.
Algoritmit ja tietokoneet voivat auttaa terveydenhuollon ammattilaisten kehittämisessä edistyneitä menetelmiä terveydenhuollon alalla.
Jotta näistä työkaluista olisi hyötyä, niiden on kuitenkin oltava kaikkien, lääkäreiden ja potilaiden saatavilla ja ymmärrettäviä, myös ilman teknistä tai tietokonetietoa.
Itse asiassa on tiedettävä, että kaikkien digitaalisten laitteiden toiminta perustuu tietokoneohjelmiin ja tietoihin.
Termi "tekoäly" tarkoittaa, että nämä laitteet pystyvät ajattelemaan itse. Oikein ohjelmoidut älylaitteet voivat arvioida toimitettuja tietoja ja muuttaa prosesseja tai parametreja "lennossa". Saatuaan riittävästi tietoa he voivat 'oppia' ja muokata omaa koodiaan näiden uusien parametrien perusteella.
Viimeisten kolmen vuoden ajan Googlen tiimit ovat soveltaneet tekoälyä terveydenhuollon ongelmiin silmäsairauksien diagnosoinnista potilastulosten ennustamiseen lääketieteellisissä tiedoissa.
Tänään jaamme uutta tutkimusta, joka osoittaa, kuinka tekoäly voi ennustaa keuhkosyövän tavoilla, jotka voivat lisätä selviytymismahdollisuuksia monille vaarassa oleville ihmisille ympäri maailmaa.
Tekoäly elämänlaadun parantamiseksi
Yksityiskohtainen tutkimus julkaistiin 20. toukokuuta Nature Medicine, syvällisen oppimisen mallia käytettiin ennustamaan, onko potilaalla keuhkosyöpä, luomalla keuhkosyövän riskipisteet ja tunnistamalla keuhkosyövän sijainti.
"Osoittamalla, että syvä oppiminen voi lisätä spesifisyyttä uhraamatta herkkyyttä, toivomme saavan lisää tutkimusta ja keskustelua tekoälyn roolista syövän havaitsemisen kustannus-hyötysuhteen muuttamisessa." , voimme lukea Google-blogista.
"Tekoälyjärjestelmä käyttää 3D-volumetristä syvää oppimista rintakannerin koko anatomian analysointiin sekä esineiden havaitsemismenetelmiin perustuvia laastareita, jotka tunnistavat pahanlaatuisia vaurioita sisältävät alueet", Shreeva Shetty kertoo. , Googlen tekninen johtaja.
Analysoimalla yksi kuva, malli havaitsi syövän (keskimäärin 5%) useammin kuin kuuden ihmisen asiantuntijaryhmä, ja se oli 11% todennäköisempi vähentämään väärää positiivista (väärä positiivinen on tulos kaksisuuntaisissa vaaleissa, julistettu positiiviseksi, jos se on tosiasiallisesti negatiivinen)
Radiologit näkevät usein satoja 2D-kuvia yhdessä TT-skannauksessa, ja syöpä voi olla pieni ja vaikea havaita. Olemme luoneet mallin, joka pystyy paitsi luomaan yleisen ennusteen keuhkosyövän pahanlaatuisuudesta (3D-tilavuudessa tarkasteltuna), myös tunnistamaan hienovarainen pahanlaatuinen kudos keuhkoissa (keuhkosolmukkeet).
Malli voi myös ottaa huomioon aikaisempien skannausten tiedot, jotka ovat hyödyllisiä ennustettaessa keuhkosyövän riskiä, koska epäilyttävien keuhkosolmukkeiden kasvunopeus voi olla osoitus pahanlaatuisuudesta.
Nämä alkuperäiset tulokset ovat rohkaisevia, mutta lisätutkimuksissa arvioidaan vaikutusta ja hyödyllisyyttä kliinisessä käytännössä.
Tutkimuksessamme käytimme 45,856 XNUMX tyhjää rintakehän CT-havaintotapausta (joista joissakin havaittiin syöpä) kansallisen keuhkojen seulontatutkimuksen ja Luoteis-yliopiston NIH-tutkimustiedoista. Vahvistimme tulokset toisella tietojoukolla ja vertailimme tuloksia myös kuudella Yhdysvaltain hallituksen hyväksymällä radiologilla.
Google ilmoittaa asettavansa mallin saataville Google Cloud Healthcare -sovellusliittymän kautta, kun se jatkaa testausta ja testausta kumppaniorganisaatioiden kanssa.
lähde: https://www.blog.google/