Pin It

Νέα έρευνα δείχνει ότι ένας αλγόριθμος ηλεκτρονικού υπολογιστή μπορεί να είναι καλύτερος από τους ακτινολόγους στην ανίχνευση του καρκίνου του πνεύμονα. Ο καρκίνος του πνεύμονα προκαλεί σχεδόν 160.000 θανάτους στις Ηνωμένες Πολιτείες, σύμφωνα με τις πιο πρόσφατες εκτιμήσεις. Η κατάσταση είναι η κύρια αιτία θανάτου που σχετίζεται με τον καρκίνο στις ΗΠΑ και η έγκαιρη ανίχνευση είναι ζωτικής σημασίας τόσο για τη διακοπή της εξάπλωσης των όγκων όσο και για τη βελτίωση των αποτελεσμάτων των ασθενών.

Ως εναλλακτική λύση για τις ακτινογραφίες στο στήθος, οι επαγγελματίες του τομέα της υγείας έχουν χρησιμοποιήσει πρόσφατα υπολογιστικές τομογραφίες (CT) για την ανίχνευση καρκίνου του πνεύμονα. Στην πραγματικότητα, ορισμένοι επιστήμονες υποστηρίζουν ότι οι CT εξετάσεις είναι ανώτερες από τις ακτίνες Χ για ανίχνευση καρκίνου του πνεύμονα και η έρευνα έδειξε ότι η χαμηλή δόση CT (LDCT), ειδικότερα, έχει μειώσει τους θανάτους από καρκίνο του πνεύμονα κατά 20% . Ωστόσο, ένας υψηλός αριθμός ψευδών θετικών και ψευδών αρνητικών εξακολουθεί να απηχεί τη διαδικασία LDCT. Αυτά τα λάθη συνήθως καθυστερούν τη διάγνωση του καρκίνου του πνεύμονα μέχρις ότου η ασθένεια φθάσει σε προχωρημένο στάδιο όταν γίνεται πολύ δύσκολη η θεραπεία.

Νέα έρευνα μπορεί να διασφαλίσει αυτά τα λάθη. Μια ομάδα επιστημόνων έχει χρησιμοποιήσει τεχνικές τεχνητής νοημοσύνης (AI) για την ανίχνευση όγκων στους πνεύμονες σε σαρώσεις LDCT. Ο Daniel Tse, από την ομάδα Google Health Research στο Mountain View, CA, είναι ο αντίστοιχος συγγραφέας της μελέτης, τα ευρήματα των οποίων εμφανίζονται στο περιοδικό Nature Medicine .

«Το μοντέλο ξεπέρασε τους έξι ακτινολόγους»

Η Tse και οι συνεργάτες της χρησιμοποίησαν μια μορφή AI που ονομάζεται βαθιά εκμάθηση σε 42.290 LDCT σαρώσεις, τις οποίες είχαν πρόσβαση από την Northwestern Electronic Data Warehouse και άλλες πηγές δεδομένων που ανήκουν στα νοσοκομεία Northwestern Medicine στο Chicago, IL.

Ο αλγόριθμος βαθιάς εκμάθησης επιτρέπει στους υπολογιστές να μάθουν με παραδείγματα. Σε αυτή την περίπτωση, οι ερευνητές εκπαίδευσαν το σύστημα χρησιμοποιώντας μια κύρια σάρωση LDCT μαζί με μια προηγούμενη ανίχνευση LDCT, αν ήταν διαθέσιμη. Οι προηγούμενες σαρώσεις LDCT είναι χρήσιμες επειδή μπορούν να αποκαλύψουν έναν μη φυσιολογικό ρυθμό ανάπτυξης των οζιδίων του πνεύμονα, υποδεικνύοντας έτσι κακοήθεια.

Στην παρούσα μελέτη, η τεχνητή νοημοσύνη παρείχε ένα "αυτοματοποιημένο σύστημα αξιολόγησης εικόνων" που προέβλεπε με ακρίβεια την κακοήθεια των οζιδίων του πνεύμονα χωρίς ανθρώπινη παρέμβαση. Οι ερευνητές συνέκριναν τις αξιολογήσεις της με ​​εκείνες των έξι Αμερικανών ακτινολόγων που είχαν πιστοποιηθεί από την αμερικανική επιτροπή και είχαν μέχρι 20 χρόνια κλινικής εμπειρίας.

Pin It