New York University NYU hat Forschungsergebnisse veröffentlicht, die zeigen, wie KI zur Unterstützung der Lungenkrebsdiagnose verwendet werden kann. Die Studie ergab, dass ein von Google unterstütztes KI- oder "maschinelles Lern" -Programm zwei Arten von Lungenkrebs mit einer Genauigkeit von 97 Prozent unterscheiden kann, alles nur aus einem Bild.
Das Programm analysierte ein Bild eines Krebsgewebeschnitts, das dann genau als Adenokarzinom oder Plattenepithelkarzinom bezeichnet werden konnte, zwei Arten von Lungenkrebs, die selbst für erfahrene Pathologen ohne zusätzliche Tests schwer zu identifizieren sind. Genau verstehen, wasKrebsart bedeutet ein Patient eine genauere und spezifischere Behandlung.
AI bestimmt das Vorhandensein abnormaler Gene
In diesem Fall werden das Adenokarzinom und das Plattenepithelkarzinom unterschiedlich behandelt. Zusätzlich zu Identifizierung von Krebsarten Die KI konnte feststellen, ob in den untersuchten Zellen abnormale Versionen von 6 mit Lungenkrebs verbundenen Genen vorhanden waren.
Die KI hatte eine Genauigkeit von 73 bis 86 Prozent Abhängig vom Gen. Diese genetischen Mutationen führen häufig dazu, dass sich die Form der Zelle sowie die Art und Weise, wie sie mit ihrer Umgebung interagiert, ändern. Dies kann bei der automatisierten Analyse helfen, den Zustand der Zelle visuell abzulesen.
Genaue Diagnose führt zu schnellerer Behandlung
Normalerweise dauert es Wochen, bis die Testergebnisse vorliegen, um diese Veränderungen in den Genen eines Patienten zu identifizieren. "Es ist nie gut, den Beginn der Krebsbehandlung zu verzögern." sagt leitender Studienautor Aristotelis Tsirigos, Ph.D., außerordentlicher Professor in der Abteilung für Pathologie am Langone Perlmutter Cancer Center der NYU.
"Unsere Studie liefert starke Beweise dafür, dass ein KI-Ansatz in der Lage sein wird, den Krebssubtyp und das Mutationsprofil sofort zu bestimmen, um Patienten früher mit gezielten Therapien zu beginnen." Die Autoren der Studie trainierten das Computerprogramm, damit es aus seinen Fehlern lernen konnte, ohne jemals genau zu sagen, was zu tun ist.
Im Wesentlichen wird das System intelligenter, wenn es sich selbst trainiert. Das Team verwendete ein von Google erstelltes tief gefaltetes neuronales Netzwerk namens Inception v3, um eine große Menge visueller Daten zu analysieren.
KI verbessert weiterhin seine Genauigkeit
Die Wissenschaftler fütterten die KI mit Dias von Der Krebsgenomatlas Eine Datenbank mit Bildern von Krebsdiagnosen, die bereits ermittelt wurden. Durch die Verwendung von Bildern, für die bereits eine vorherige Diagnose gestellt wurde, konnten die Forscher die Verbesserungen in ihrem Programm erkennen.
Als die KI Schwierigkeiten hatte, die Tumorbilder korrekt zu identifizieren, stellten die Forscher fest, dass dieselben Bilder für Pathologen problematisch waren und in einigen Fällen auch falsch identifiziert wurden. Dies beweist, dass es unglaublich schwierig ist, den Unterschied zwischen verschiedenen Arten von Krebszellen genau zu identifizierenunterstützt die Notwendigkeit neuer innovativer Diagnosewerkzeuge.
"In unserer Studie waren wir begeistert, die Genauigkeit auf Pathologenebene zu verbessern und zu zeigen, dass KI bisher unbekannte Muster in den sichtbaren Merkmalen von Krebszellen und den Geweben um sie herum entdecken kann." sagt Co-korrespondierender Autor Narges Razavian, PhD, Assistenzprofessor in den Abteilungen für Radiologie und Bevölkerungsgesundheit.
"Die Synergie zwischen Daten und Rechenleistung schafft beispiellose Möglichkeiten, sowohl die Praxis als auch die Wissenschaft der Medizin zu verbessern." Das Forschungsteam wird die KI weiterhin mit Daten trainieren, bis eine Genauigkeit von mindestens 90 Prozent erreicht ist.
Von dort aus werden sie versuchen, die Genehmigung der Regierung für den klinischen Einsatz der Technologie und für die Diagnose mehrerer Krebsarten zu erhalten. Die Studie wird veröffentlicht in Naturmedizin.
Via : NYU