Καινοτομία

Διάγνωση καρκίνου του προστάτη μέσω τεχνητής νοημοσύνης

Διάγνωση καρκίνου του προστάτη μέσω τεχνητής νοημοσύνης
της Αρετής Διαμάντη Οι ερευνητές της CLA έχουν αναπτύξει ένα νέο σύστημα τεχνητής νοημοσύνης για να βοηθήσουν τους ακτινολόγους να βελτιώσουν την ικανότητά τους να διαγνώσουν καρκίνο του προστάτη. Το σύστημα, το οποίο ονομάζεται FocalNet, βοηθά στην ταυτοποίηση και την πρόβλεψη της επιθετικότητας της νόσου που αξιολογεί την απεικόνιση μαγνητικού συντονισμού ή τη μαγνητική τομογραφία, […]

της Αρετής Διαμάντη

Οι ερευνητές της CLA έχουν αναπτύξει ένα νέο σύστημα τεχνητής νοημοσύνης για να βοηθήσουν τους ακτινολόγους να βελτιώσουν την ικανότητά τους να διαγνώσουν καρκίνο του προστάτη. Το σύστημα, το οποίο ονομάζεται FocalNet, βοηθά στην ταυτοποίηση και την πρόβλεψη της επιθετικότητας της νόσου που αξιολογεί την απεικόνιση μαγνητικού συντονισμού ή τη μαγνητική τομογραφία, ανιχνεύει και το κάνει σχεδόν με το ίδιο επίπεδο ακρίβειας με τους έμπειρους ακτινολόγους. Στις δοκιμές, το FocalNet ήταν ακριβές 80,5% στην ανάγνωση των MRI, ενώ οι ακτινολόγοι με τουλάχιστον 10 χρόνια εμπειρίας ήταν ακριβείς 83,9%.

ΙΣΤΟΡΙΚΟ

Οι ακτινολόγοι χρησιμοποιούν μαγνητική τομογραφία για να εντοπίσουν και να αξιολογήσουν την επιθετικότητα των κακοήθων όγκων του προστάτη. Εντούτοις, τυπικά απαιτείται πρακτική άσκηση σε χιλιάδες σαρώσεις για να μάθετε πώς να προσδιορίζετε με ακρίβεια αν ο όγκος είναι καρκινικός ή καλοήθης και να εκτιμάτε με ακρίβεια την ποιότητα του καρκίνου. Επιπλέον, πολλά νοσοκομεία δεν διαθέτουν τους πόρους για την εφαρμογή της εξαιρετικά εξειδικευμένης κατάρτισης που απαιτείται για την ανίχνευση του καρκίνου από τα MRI.

ΜΕΘΟΔΟΣ

Το FocalNet είναι ένα τεχνητό νευρωνικό δίκτυο που χρησιμοποιεί έναν αλγόριθμο που περιλαμβάνει πάνω από ένα εκατομμύριο μεταβαλλόμενες μεταβλητές. αναπτύχθηκε από τους ερευνητές της UCLA. Η ομάδα εκπαίδευσε το σύστημα με το να αναλύσει τις MRI σαρώσεις από 417 άνδρες με καρκίνο του προστάτη. οι σαρώσεις τροφοδοτήθηκαν στο σύστημα έτσι ώστε να μπορεί να μάθει να αξιολογεί και να ταξινομεί τους όγκους με συνεπή τρόπο και να συγκρίνει τα αποτελέσματα με το πραγματικό δείγμα παθολογίας. Οι ερευνητές συνέκριναν τα αποτελέσματα του συστήματος τεχνητής νοημοσύνης με τις αναγνώσεις ακτινολόγων της UCLA οι οποίοι είχαν περισσότερα από 10 χρόνια εμπειρίας.

ΕΠΙΠΤΩΣΗ

Η έρευνα υποδηλώνει ότι ένα σύστημα τεχνητής νοημοσύνης θα μπορούσε να εξοικονομήσει χρόνο και ενδεχομένως να παρέχει διαγνωστική καθοδήγηση σε λιγότερο έμπειρους ακτινολόγους.