{vembed Y = urJ7QEdhP_U}

Новое исследование показало, что инструмент искусственного интеллекта, обученный на миллионах скрининговых маммографических изображений, может идентифицировать рак молочной железы с точностью до 90% в сочетании с рентгенологическим анализом.

В исследовании изучалась способность типа искусственного интеллекта (ИИ), компьютерной программы машинного обучения, повышать ценность диагнозов, которые достигла группа из 14 рентгенологов, изучивших 720 маммография изображениями.

«Конечная цель нашей работы - увеличить, а не заменить радиологов человека».

«Наше исследование показало, что ИИ идентифицировал паттерны, связанные с раком, в данных, которые рентгенологи не могли, и наоборот», - говорит старший автор исследования Кшиштоф Герас, доцент кафедры радиологии в Медицинской школе Гроссмана при Нью-Йоркском университете.

«ИИ обнаружил изменения на уровне пикселей в ткани, невидимые человеческому глазу, в то время как люди использовали формы рассуждения, недоступные для ИИ», - добавляет Герас, также являющийся членом факультета в Центре наук о данных. «Конечная цель нашей работы - увеличить, а не заменить радиологов человека».


графика подписки внутри себя


В 2014 году женщины (без симптомов) в США прошли более 39 миллионов маммографических обследований для выявления рака молочной железы и определения необходимости более тщательного наблюдения. Женщины, у которых результаты анализов дают аномальные результаты маммографии, направляются на биопсия, процедура, которая удаляет небольшой образец ткани молочной железы для лабораторных испытаний.

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.Инструмент ИИ научился прогнозировать, какие поражения могут быть злокачественными (карта красного тепла) или вероятными доброкачественными (карта зеленого тепла), что может помочь радиологам в диагностике рака молочной железы. (Фото: Школа медицины Нью-Йоркского университета)

В новом исследовании исследовательская группа разработала статистические методы, которые позволяют их программе «учиться», как лучше справляться с заданием, не объясняя, как именно. Такие программы создают математические модели, которые позволяют принимать решения на основе примеров данных, вводимых в них, при этом программа становится «умнее», поскольку она просматривает все больше и больше данных.

Современные подходы к искусственному интеллекту, которые черпают вдохновение в человеческом мозге, используют сложные схемы для обработки информации в слоях, при этом каждый шаг передает информацию на следующий и придает большую или меньшую важность каждой части информации на этом пути.

Авторы настоящего исследования обучили свой инструмент ИИ на многих изображениях, сопоставленных с результатами биопсий, выполненных в прошлом. Их цель состояла в том, чтобы позволить инструменту помочь рентгенологам сократить количество биопсий, необходимых для продвижения вперед. Это может быть достигнуто только, говорит Герас, за счет повышения уверенности врачей в точности оценок, проведенных для скрининговых экзаменов (например, сокращения ложный положительный результат и ложноотрицательные результаты).

Для текущего исследования исследовательская группа проанализировала изображения, собранные в рамках обычной клинической помощи в течение семи лет, проанализировав собранные данные и связав изображения с результатами биопсии. Эти усилия создали чрезвычайно большой набор данных для обучения их инструменту ИИ, по словам авторов, состоящий из 229,426 1,001,093 цифровых маммографических экзаменов и 10,000 XNUMX XNUMX изображений. Большинство баз данных, которые исследователи использовали в исследованиях до настоящего времени, были ограничены XNUMX XNUMX изображений или меньше.

Таким образом, исследователи обучили свою нейронную сеть, запрограммировав ее для анализа изображений из базы данных, для которой диагнозы рака уже были определены. Это означало, что исследователи знали «правду» для каждого изображения маммографии (рак или нет), когда они проверяли точность инструмента, в то время как инструмент должен был угадать. Исследователи измерили точность частоты правильных прогнозов.

Кроме того, исследователи разработали модель искусственного интеллекта, чтобы сначала рассмотреть очень маленькие участки изображения полного разрешения отдельно, чтобы создать тепловую карту, статистическую картину вероятности заболевания. Затем программа рассматривает всю грудь на предмет структурных особенностей, связанных с раком, обращая более пристальное внимание на области, отмеченные на тепловой карте на уровне пикселей.

Вместо того, чтобы исследователи идентифицировали функции изображения для своего ИИ для поиска, инструмент самостоятельно обнаруживает, какие функции изображения повышают точность прогнозирования. Двигаясь вперед, команда планирует еще больше повысить эту точность, обучив программу искусственного интеллекта большему количеству данных, возможно, даже выявляя изменения в ткани молочной железы, которые еще не являются злокачественными, но потенциально могут быть такими.

«Переход к поддержке искусственного интеллекта в диагностической радиологии должен происходить подобно принятию автомобилей с самостоятельным вождением - медленно и осторожно, укрепляя доверие и совершенствуя системы на этом пути с акцентом на безопасность», - говорит первый автор Нань Ву, кандидат наук. Центр Науки Данных.

Исследование появляется в IEEE Сделки по медицинской визуализации.

Об авторе

Старший автор исследования Кшиштоф Герас - доцент кафедры радиологии в Медицинской школе Гроссмана при Нью-Йоркском университете.

Дополнительные соавторы из NYU, Медицинского колледжа SUNY Downstate, Кембриджского университета и Ягеллонского университета.

Поддержка работала частично со стороны Национального института здоровья. Модель, использованная в этом исследовании, была сделана доступной для использования в поле для инноваций.

Первоначальное исследование

Похожие книги:

Тело ведет счет: мозг, разум и тело в исцелении травмы

Бессель ван дер Колк

Эта книга исследует связи между травмой и физическим и психическим здоровьем, предлагая идеи и стратегии для исцеления и восстановления.

Нажмите для получения дополнительной информации или для заказа

Дыхание: новая наука об утерянном искусстве

Джеймс Нестор

Эта книга исследует науку и практику дыхания, предлагая идеи и методы для улучшения физического и психического здоровья.

Нажмите для получения дополнительной информации или для заказа

Парадокс растений: скрытые опасности «здоровой» пищи, вызывающие болезни и увеличение веса

Стивен Р. Гандри

Эта книга исследует связи между диетой, здоровьем и болезнями, предлагая идеи и стратегии для улучшения общего состояния здоровья и хорошего самочувствия.

Нажмите для получения дополнительной информации или для заказа

Код иммунитета: новая парадигма настоящего здоровья и радикального омоложения

Джоэл Грин

Эта книга предлагает новый взгляд на здоровье и иммунитет, опираясь на принципы эпигенетики и предлагая идеи и стратегии для оптимизации здоровья и старения.

Нажмите для получения дополнительной информации или для заказа

Полное руководство по голоданию: исцелите свое тело с помощью прерывистого, чередующегося и длительного голодания

д-р Джейсон Фанг и Джимми Мур

Эта книга исследует науку и практику голодания, предлагая идеи и стратегии для улучшения общего состояния здоровья и хорошего самочувствия.

Нажмите для получения дополнительной информации или для заказа