Ai Verhoogt De Kankerscreening Tot Bijna 100 Procent Nauwkeurig

{h1}

Kunstmatige intelligentie wordt volwassen; pathologen kunnen het combineren met hun eigen vaardigheden voor bijna 100 procent nauwkeurigheid bij het vinden van kankercellen in een biopsie.

De diagnose van kanker staat op het punt om nauwkeuriger te worden, met behulp van kunstmatige intelligentie.

Pathologen hebben de afgelopen 100 jaar op ongeveer dezelfde manier ziekten gediagnosticeerd, door over een microscoop te werken en biopsiemonsters te bekijken op kleine glasplaatjes. Bijna robotisch werkend, ziften ze door miljoenen normale cellen om slechts een paar zieke cellen te identificeren. De taak is vervelend en vatbaar voor menselijke fouten.

Maar nu hebben wetenschappers en ingenieurs een techniek ontwikkeld die kunstmatige intelligentie (AI) gebruikt en kankercellen bijna net zo goed kunnen onderscheiden van normale cellen als een toppatholoog. Een op Harvard gebaseerd team demonstreerde de AI-methode als onderdeel van een wedstrijd op het 2016 International Symposium of Biomedical Imaging in Praag, en liet zien hoe het met kankercellen van 92 procent nauwkeurig monsters van borstweefselcellen kon opsporen. Die nauwkeurigheid was veel beter dan de andere AI-methoden in de competitie, waardoor het team de eerste plaats bereikte.

Mensen + AI

Mensen hebben nog steeds het voordeel: pathologen verslaan de robots in deze competitie met hun vermogen om 96 procent van de biopsiemonsters met kankercellen te identificeren. [Super-intelligente machines: 7 Robotic Futures]

Maar de echte verrassing kwam toen pathologen samenwerkten met de AI van het Harvard-team. Samen identificeerden de kunstmatige intelligentie en de goede menselijke intelligentie 99,5 procent van de kankerachtige biopsieën.

Hoewel de gedachte om Dr. Robot te vertrouwen met uw medische analyse een beetje angstaanjagend lijkt, zien sommige wetenschappers grote beloften in AI-geassisteerde dokterservices.

"Onze leidende hypothese is dat 'AI plus patholoog' superieur is aan patholoog alleen ', zei Dr. Andrew Beck, van Beth Israel Deaconess Medical Center en Harvard Medical School in Boston, die de aanzet gaf tot het winnende AI-ontwerp. "Als wij en de grotere onderzoeksgemeenschap kunnen aantonen dat het gebruik van AI-tools diagnostische fouten aanzienlijk vermindert, denk ik dat patiënten, artsen, gezondheidszorgbetalers en gezondheidssystemen de toevoeging van AI-hulpmiddelen in de klinische workflow zullen ondersteunen" hij vertelde WordsSideKick.com.

Waarom borstkankercellen?

De wedstrijd, gehouden in april, nodigde AI-ontwerpen van over de hele wereld uit, gemaakt door privébedrijven en academische onderzoeksorganisaties. Het doel was om interesse te wekken in het creëren van meer accurate AI-methoden voor ziektediagnostiek.

"Het feit dat computers [in de competitie van april] bijna vergelijkbaar presteerden als mensen is veel verder dan wat ik had verwacht," zei Jeroen van der Laak van het Radboud Universiteit Medisch Centrum in Nederland, die de wedstrijd organiseerde. "Het is een duidelijke aanwijzing dat kunstmatige intelligentie de manier waarop we omgaan met histopathologische beelden in de komende jaren vorm gaat geven." [Infographic: de geschiedenis van kunstmatige intelligentie (AI)]

De organisatoren van de wedstrijd kozen het onderwerp borstkankerdetectie - meer specifiek, uitgezaaide kankercellen in schildwachtklierbiopten - als een echte test van een belangrijk probleem voor de volksgezondheid. Onder Amerikaanse vrouwen is borstkanker het op één na meest voorkomende type kanker (na huidkanker) en het op één na dodelijkste type kanker (na longkanker), volgens de Centers for Disease Control and Prevention.

Een schildwachtklierbiopsie is een chirurgische procedure waarbij een weefselmonster wordt verwijderd uit een schildwachtklier, de eerste in een groep lymfeklieren, of klieren, waar kankercellen zich kunnen verspreiden na het verlaten van de oorspronkelijke locatie. Uit een multicentrische studie die in 2003 in de Journal of the American College of Surgeons werd gepubliceerd, bleek dat deze biopsieën, met behulp van traditionele menselijke analyse, voor 96 procent accuraat waren, met een fout-negatief percentage van 8 procent.

Omdat kankerchirurgen op de biopsieën vertrouwen om te beslissen welk weefsel moet worden verwijderd of op hun plaats moeten worden achtergelaten, vaak op het moment dat een kanker zich begint te verspreiden, is nauwkeurigheid in de biopsieanalyse van cruciaal belang.

Machines die leren

Beck's groep gebruikte een proces genaamd "deep learning" om in wezen een computer te leren hoe kankercellen er beter uit kunnen zien. Dit proces is een algoritme voor computerleren dat wordt gebruikt in toepassingen zoals spraakherkenning; het maakt het systeem bij elk gebruik meer en nauwkeuriger. Ter voorbereiding op de wedstrijd voedde Beck's groep de computer duizenden beelden van kankercellen.

Het team identificeerde voorbeelden waarvoor de computer gevoelig was om een ​​fout te maken bij de identificatie van kanker en omschreef de computer opnieuw met behulp van grotere aantallen moeilijkere voorbeelden.

De ontwikkeling van dergelijke geautomatiseerde diagnostiek is al 30 jaar een doel voor het AI-veld, aangezien computers steeds vaker in laboratoria werden gebruikt, zei Beck. Maar pas onlangs heeft het veld de verbeteringen gezien in scannen, opslag, rekenkracht en algoritmen die nodig zijn om dit mogelijk te maken.

Maak je geen zorgen, pathologen zullen niet vervagen. Beck zei dat het veld zal evolueren om nieuwe vaardigheden aan te nemen. Bijvoorbeeld, valkuilen om te voorkomen met AI omvatten een systeem dat routinematig een bepaalde zeldzame vorm van kanker mist die de AI nog niet eerder heeft gezien of die routinematig wordt weggegooid door een artefact in het biopsiebeeld, zei hij. Mensen zullen nodig zijn om de robots voortdurend te leren.

Beck's team bestaat uit postdocs in zijn Harvard-lab, Dayong Wang en Humayun Irshad, samen met Harvard-student Rishab Gargya en MIT-onderzoeker Aditya Khosla.Een technisch rapport met een beschrijving van dit werk werd gisteren (20 juni) geplaatst op het open-toegang e-print archief arXiv.org.

Volg Christopher Wanjek @wanjek fof dagelijks tweets over gezondheid en wetenschap met een humoristische inslag. Wanjek is de auteur van 'Food at Work' en 'Bad Medicine'. Zijn column, Bad Medicine, verschijnt regelmatig op WordsSideKick.com.


Video Supplement: .




Onderzoek


Blackouts Common Among Teen Drinkers, Study Finds
Blackouts Common Among Teen Drinkers, Study Finds

Florida City Is 'Happiest Community' In De Vs Voor Het Tweede Jaar
Florida City Is 'Happiest Community' In De Vs Voor Het Tweede Jaar

Science Nieuws


Eerste Tiger-Foto'S Gesnapt In India Corridor
Eerste Tiger-Foto'S Gesnapt In India Corridor

Hoe Zijn Onze Federale Belastingdollars Uitgegeven?
Hoe Zijn Onze Federale Belastingdollars Uitgegeven?

Wilde Geruchten Vliegen Als Pentagon Vragen Over Geheimzinnige Zuma-Missie Afsluit
Wilde Geruchten Vliegen Als Pentagon Vragen Over Geheimzinnige Zuma-Missie Afsluit

10 Manieren Om Geluk Na Te Streven
10 Manieren Om Geluk Na Te Streven

Een Pagina Van Eliot Ness Nemen Om Te Strijden Tegen Dieren In Het Wild (Op-Ed)
Een Pagina Van Eliot Ness Nemen Om Te Strijden Tegen Dieren In Het Wild (Op-Ed)

WordsSideKick.com
Alle Rechten Voorbehouden!
Reproductie Van Materialen Toegestaan Alleen Prostanovkoy Actieve Link Naar De Site WordsSideKick.com

© 2005–2019 WordsSideKick.com