Mākslīgais intelekts labāk nekā cilvēki, nosakot plaušu vēzi
Pētnieki ir izmantojuši dziļu mācību algoritmu, lai precīzi noteiktu plaušu vēzi no datortomogrāfijas skenēšanas. Pētījuma rezultāti norāda, ka mākslīgais intelekts var pārspēt šo skenējumu cilvēku novērtējumu.
Saskaņā ar jaunākajām aplēsēm plaušu vēzis Amerikas Savienotajās Valstīs izraisa gandrīz 160 000 nāves gadījumu. Nosacījums ir galvenais ar vēzi saistītās nāves cēlonis ASV, un savlaicīga atklāšana ir izšķiroša, lai apturētu audzēju izplatīšanos un uzlabotu pacientu rezultātus.
Kā alternatīva rentgena krūtīm veselības aprūpes speciālisti nesen izmanto datortomogrāfijas (CT) skenēšanu, lai pārbaudītu plaušu vēzi.
Patiesībā daži zinātnieki apgalvo, ka CT skenēšana ir labāka par rentgenstaru plaušu vēža noteikšanai, un pētījumi ir parādījuši, ka it īpaši zemu CT devu (LDCT) dēļ plaušu vēža izraisītie nāves gadījumi samazināti par 20%.
Tomēr lielais viltus pozitīvo un viltus negatīvo rādītāju skaits joprojām mīklas par LDCT procedūru. Šīs kļūdas parasti aizkavē plaušu vēža diagnostiku, līdz slimība ir sasniegusi progresējošu stadiju, kad to kļūst pārāk grūti ārstēt.
Jauns pētījums var pasargāt no šīm kļūdām. Zinātnieku grupa ir izmantojusi mākslīgā intelekta (AI) paņēmienus, lai atklātu plaušu audzējus LDCT skenēšanā.
Daniels Tse no Google Health Research grupas Mountain View, CA ir atbilstošais pētījuma autors, kura secinājumi parādās žurnālā Dabas medicīna.
“Modelis pārspēja visus sešus radiologus”
Tse un kolēģi 42 290 LDCT skenējumiem pielietoja AI formu, ko sauc par dziļu mācīšanos, kurai viņi piekļuva no Ziemeļrietumu elektronisko datu noliktavas un citiem datu avotiem, kas pieder Ziemeļrietumu medicīnas slimnīcām Čikāgā, IL.
Padziļinātas apmācības algoritms ļauj datoriem mācīties pēc piemēra. Šajā gadījumā pētnieki apmācīja sistēmu, izmantojot primāro LDCT skenēšanu kopā ar agrāku LDCT skenēšanu, ja tā bija pieejama.
Iepriekšējie LDCT skenējumi ir noderīgi, jo tie var atklāt patoloģisku plaušu mezglu augšanas ātrumu, tādējādi norādot uz ļaundabīgumu.
Pašreizējā pētījumā AI nodrošināja “automatizētu attēlu novērtēšanas sistēmu”, kas precīzi paredzēja plaušu mezglu ļaundabīgumu bez cilvēka iejaukšanās.
Pētnieki salīdzināja AI novērtējumus ar sešiem kuģa sertificētiem ASV radiologiem, kuriem bija līdz 20 gadu klīniskā pieredze.
Kad iepriekšējie LDCT skenējumi nebija pieejami, AI modelis "pārspēja visus sešus radiologus ar absolūtu 11% viltus pozitīvu un 5% viltus negatīvu samazinājumu", ziņo Tse un viņa kolēģi. Kad bija pieejama iepriekšējā attēlveidošana, AI darbojās tikpat labi kā radiologi.
Pētījuma līdzautors Dr. Mozziyar Etemadi, Ziemeļrietumu Universitātes Feinbergas Medicīnas skolas anestezioloģijas zinātniskais docents Čikāgā, izskaidro, kāpēc AI var pārspēt cilvēku novērtējumu.
"Radiologi parasti izmeklē simtiem 2D attēlu vai" šķēles "vienā datortomogrāfijā, taču šī jaunā mašīnmācīšanās sistēma plaušas skata milzīgā, vienā 3D attēlā," saka Dr Etemadi.
“AI 3D var būt daudz jutīgāks ar spēju noteikt agrīnu plaušu vēzi nekā cilvēka acs, skatoties 2D attēlus. Tehniski tas ir “4D”, jo tas laika gaitā skata ne tikai vienu datortomogrāfiju, bet divus (pašreizējo un iepriekšējo skenēšanu). ”
Dr Mocijars Etemadi
"Lai izveidotu AI, lai šādā veidā skatītu CT, jums ir nepieciešama milzīga Google mēroga datorsistēma," viņš turpina. "Jēdziens ir jauns, taču tā faktiskā konstrukcija ir jauna arī mēroga dēļ."
Dr Etemadi turpina uzsvērt dziļo mācību tehnoloģiju izmantošanas priekšrocības, uzsverot to precizitāti. "Sistēma var kategorizēt bojājumus ar specifiskāku," saka pētnieks.
"Mēs varam ne tikai labāk diagnosticēt kādu ar vēzi, bet arī pateikt, ja kādam nav vēža, potenciāli glābjot viņu no invazīvas, dārgas un riskantas plaušu biopsijas," secina Dr. Etemadi.
Pētnieki tomēr brīdina, ka vispirms ir jāapstiprina šie rezultāti lielākās kohortās.
