mycket forskare inom artificiell intelligens (DÄR) från Google som arbetar med Northwestern University Hospital har skapat en AI-modell som kan upptäcka lungcancer. Enligt data från Världshälsoorganisationen är lungcancer (malign vävnad i lungorna) en av de vanligaste dödsorsakerna globalt, och dödar mer än två miljoner människor om året och dödar lika många människor som gillar bröstcancer.
För att hjälpa vårdpersonal kan algoritmer och datorer hjälpa till att utveckla avancerade metoder inom hälsoområdet.
Men för att dessa verktyg ska vara användbara måste de vara tillgängliga och begripliga för alla, läkare och patienter, även utan någon teknisk eller datorkunskap.
I själva verket bör det vara känt att driften av alla digitala enheter är baserad på datorprogram och data.
Termen "artificiell intelligens" antyder att dessa enheter kan tänka själva.. Om de är korrekt programmerade kan smarta enheter utvärdera data som matas till dem och ändra processer eller parametrar "i farten". Med tillräckligt med information kan de "lära sig" och modifiera sin egen kod. baserat på dessa nya parametrar.
Under de senaste tre åren har team på Google tillämpat AI på problem inom vården, från att diagnostisera ögonsjukdomar till att förutsäga patientresultat i medicinska journaler.
Idag delar vi med oss av ny forskning som visar hur AI kan förutsäga lungcancer på sätt som kan öka chanserna att överleva för många människor i riskzonen runt om i världen.
Artificiell intelligens för att förbättra livskvaliteten
Detaljerad forskning publicerad 20 maj i Nature Medicine, djupinlärningsmodell användes för att förutsäga om en patient har lungcancer, genererar riskpoängen för lungcancer och identifierar platsen för lungcancern.
"Genom att visa att djupinlärning kan öka specificiteten utan att offra känslighet, hoppas vi kunna väcka ytterligare forskning och diskussion om vilken roll AI kan spela för att förändra kostnads-nyttoskalan av cancerscreening." , kan vi läsa på Google-bloggen.
"Det artificiella intelligenssystemet använder 3D-volymetrisk djupinlärning för att analysera hela anatomin av bröstskanningen, såväl som plåster baserade på objektdetekteringstekniker som identifierar regioner med maligna lesioner", säger Shreeva Shetty. , teknisk chef för Google.
Genom att analysera en enda skanning upptäckte modellen cancer (i genomsnitt 5%) oftare än en grupp på sex mänskliga experter och var 11 % mer benägna att minska falska positiva resultat (en falsk positiv är resultatet av ett beslut i ett tvåvägsval, förklarat positivt, där det faktiskt är negativt)
Radiologer ser ofta hundratals 2D-bilder i en enda datortomografi, och cancer kan vara liten och svår att upptäcka. Vi skapade en modell som inte bara kan generera den övergripande malignitetsförutsägelsen av lungcancer (sedda i 3D-volym) utan också identifiera subtil malign vävnad i lungorna (lungknölar).
Modellen kan också ta hänsyn till information från tidigare skanningar, användbar för att förutsäga lungcancerrisk eftersom tillväxthastigheten för misstänkta lungknölar kan tyda på malignitet.
Dessa första resultat är uppmuntrande, men ytterligare studier kommer att bedöma effekten och användbarheten i klinisk praxis.
I vår forskning utnyttjade vi 45,856 XNUMX missade CT-screeningfall för bröstkorgen (en del där cancer upptäcktes) från NIH-forskningsdataset från National Lung Screening Trial och Northwestern University-studien. Vi validerade resultaten med en andra datamängd och jämförde även våra resultat med 6 amerikanska styrelsecertifierade radiologer.
Google meddelar att de kommer att göra modellen tillgänglig via Google Cloud Healthcare API allt eftersom ytterligare testning och testning med partnerorganisationer fortsätter.
Fuente: https://www.blog.google/