{vembed Y = urJ7QEdhP_U}

Alat kecerdasan tiruan yang dilatih pada kira-kira sejuta imej mammografi skrining-dapat mengenal pasti kanser payudara dengan kira-kira ketepatan 90% apabila digabungkan dengan analisis radiologi, satu kajian baru mendapati.

Kajian ini mengkaji keupayaan sejenis kecerdasan buatan (AI), sebuah program komputer pembelajaran mesin, untuk menambahkan nilai kepada diagnosis sekumpulan 14 pakar radiologi yang dicapai ketika mereka mengkaji 720 mamogram imej.

"Matlamat utama kerja kita adalah untuk menambah, tidak menggantikan, ahli radiologi manusia."

"Kajian kami mendapati bahawa AI mengenal pasti corak yang berkaitan dengan kanser dalam data yang tidak boleh dilakukan oleh ahli radiologi, dan sebaliknya," kata pengkaji pengajian kanan Krzysztof Geras, penolong profesor di jabatan radiologi di Sekolah Perubatan Grossman New York University.

"AI mengesan perubahan tahap piksel dalam tisu yang tidak dapat dilihat dengan mata manusia, sementara manusia menggunakan bentuk pemikiran yang tidak tersedia untuk AI," tambah Geras, juga ahli fakulti yang berafiliasi di Pusat Sains Data. "Matlamat utama kerja kita adalah untuk menambah, tidak menggantikan, ahli radiologi manusia."


grafik langganan dalaman


Pada tahun 2014, wanita (tanpa gejala) di Amerika Syarikat mendapat lebih daripada 39 juta ujian mammografi untuk membuat pemeriksaan untuk kanser payudara dan menentukan keperluan untuk susulan yang lebih dekat. Wanita yang ujiannya menghasilkan hasil penemuan mammografi yang tidak normal dirujuk biopsi, prosedur yang membuang sampel kecil tisu payudara untuk ujian makmal.

Three images of breast tissue side by side. The first is black and white, the second has spots of green, the third has spots of red.Alat AI belajar untuk meramalkan lesi yang mungkin malignan (peta panas merah) atau mungkin jinak (peta haba hijau), yang berpotensi membantu ahli radiologi dalam diagnosis kanser payudara. (Kredit: Sekolah Perubatan NYU)

Dalam kajian baru ini, pasukan penyelidikan mencipta teknik statistik yang membiarkan program mereka "belajar" bagaimana untuk mendapatkan yang lebih baik pada tugas tanpa diberitahu dengan tepat bagaimana. Program sedemikian membina model matematik yang membolehkan membuat keputusan berdasarkan contoh data yang diberikan kepada mereka, dengan program itu mendapat "lebih bijak" kerana ia mengkaji lebih banyak data.

Pendekatan AI moden, yang mengambil inspirasi dari otak manusia, menggunakan litar kompleks untuk memproses maklumat dalam lapisan, dengan setiap langkah memberi maklumat ke dalam seterusnya, dan memberikan lebih kurang penting kepada setiap maklumat.

Penulis kajian semasa melatih alat AI mereka pada banyak imej yang dipadankan dengan hasil biopsi yang dilakukan pada masa lalu. Matlamat mereka adalah untuk membolehkan alat ini membantu ahli radiologi mengurangkan jumlah biopsi yang perlu bergerak ke hadapan. Ini hanya boleh dicapai, kata Geras, dengan meningkatkan keyakinan bahawa doktor mempunyai ketepatan penilaian yang dibuat untuk pemeriksaan peperiksaan (contohnya, mengurangkan positif palsu dan hasil negatif palsu).

Untuk kajian semasa, pasukan penyelidikan menganalisis imej yang dikumpul sebagai sebahagian daripada penjagaan klinikal rutin selama tujuh tahun, menyaring data yang dikumpulkan dan menyambungkan imej dengan hasil biopsi. Usaha ini mencipta dataset yang luar biasa besar untuk alat AI mereka untuk berlatih, kata para penulis, yang terdiri daripada 229,426 ujian mammografi skrining digital dan 1,001,093 imej. Kebanyakan pangkalan data penyelidik yang digunakan dalam kajian hingga kini telah terhad kepada 10,000 imej atau kurang.

Oleh itu, para penyelidik melatih rangkaian saraf mereka dengan memprograminya untuk menganalisis imej dari pangkalan data yang diagnosis kanser telah ditentukan. Ini bermakna para penyelidik tahu "kebenaran" untuk setiap imej mammografi (kanser atau tidak) kerana mereka menguji ketepatan alat, sementara alat itu harus meneka. Para penyelidik mengukur ketepatan dalam kekerapan ramalan yang betul.

Di samping itu, para penyelidik telah merangka model AI kajian untuk mula-mula mempertimbangkan tompok-tompok kecil resolusi penuh secara berasingan untuk menghasilkan peta haba, gambaran statistik kemungkinan penyakit. Kemudian program ini menganggap keseluruhan payudara untuk ciri-ciri struktur yang dikaitkan dengan kanser, memperhatikan lebih banyak kawasan yang ditandai dalam peta haba tahap piksel.

Daripada mempunyai penyelidik mengenal pasti ciri-ciri imej untuk AI mereka untuk mencari, alat itu menemui pada ciri sendiri yang ciri-ciri imej meningkatkan ketepatan ramalan. Melangkah ke hadapan, pasukan merancang untuk meningkatkan ketepatan ini dengan melatih program AI pada lebih banyak data, mungkin juga mengenal pasti perubahan dalam tisu payudara yang belum kanker tetapi berpotensi menjadi.

"Peralihan kepada sokongan AI dalam radiologi diagnostik perlu diteruskan seperti penggunaan kereta memandu sendiri-perlahan-lahan dan berhati-hati, membina kepercayaan, dan meningkatkan sistem di sepanjang jalan dengan fokus pada keselamatan," kata penulis pertama Nan Wu, calon doktor Pusat Sains Data.

Kajian itu muncul dalam Urus Niaga IEEE Pengimejan Perubatan.

Mengenai Penulis

Pengkaji pengajian kanan Krzysztof Geras adalah penolong profesor di jabatan radiologi di Sekolah Perubatan Grossman New York University.

Coauthors tambahan adalah dari NYU, SUNY Downstate College of Medicine, University of Cambridge, dan Universiti Jagiellonian.

Sokongan untuk kerja itu datang, sebahagiannya, dari Institut Kesihatan Nasional. Model yang digunakan dalam kajian ini telah disediakan di lapangan untuk memacu inovasi.

Kajian asal

Buku berkaitan:

Badan Mengekalkan Skor: Otak Minda dan Badan dalam Penyembuhan Trauma

oleh Bessel van der Kolk

Buku ini meneroka hubungan antara trauma dan kesihatan fizikal dan mental, menawarkan pandangan dan strategi untuk penyembuhan dan pemulihan.

Klik untuk maklumat lanjut atau untuk memesan

Nafas: Sains Baharu Seni yang Hilang

oleh James Nestor

Buku ini meneroka sains dan amalan pernafasan, menawarkan pandangan dan teknik untuk meningkatkan kesihatan fizikal dan mental.

Klik untuk maklumat lanjut atau untuk memesan

The Plant Paradox: Bahaya Tersembunyi dalam Makanan "Sihat" Yang Menyebabkan Penyakit dan Berat Badan

oleh Steven R. Gundry

Buku ini meneroka kaitan antara diet, kesihatan dan penyakit, menawarkan pandangan dan strategi untuk meningkatkan kesihatan dan kesejahteraan keseluruhan.

Klik untuk maklumat lanjut atau untuk memesan

Kod Kekebalan: Paradigma Baharu untuk Kesihatan Sebenar dan Anti-Penuaan Radikal

oleh Joel Greene

Buku ini menawarkan perspektif baharu tentang kesihatan dan imuniti, menggunakan prinsip epigenetik dan menawarkan pandangan serta strategi untuk mengoptimumkan kesihatan dan penuaan.

Klik untuk maklumat lanjut atau untuk memesan

Panduan Lengkap Puasa: Sembuhkan Tubuh Anda Melalui Puasa Selang Selang, Hari Bergantian dan Berpanjangan

oleh Dr. Jason Fung dan Jimmy Moore

Buku ini meneroka sains dan amalan berpuasa yang menawarkan pandangan dan strategi untuk meningkatkan kesihatan dan kesejahteraan keseluruhan.

Klik untuk maklumat lanjut atau untuk memesan