{vembed Y = urJ7QEdhP_U}
Một nghiên cứu mới cho thấy một công cụ trí tuệ nhân tạo đã được đào tạo về khoảng một triệu hình ảnh chụp nhũ ảnh có thể xác định ung thư vú với độ chính xác xấp xỉ 90% khi kết hợp với phân tích của bác sĩ X quang.
Nghiên cứu đã kiểm tra khả năng của một loại trí thông minh nhân tạo (AI), một chương trình máy tính học máy, để tăng thêm giá trị cho các chẩn đoán mà một nhóm 14 bác sĩ X quang đạt được khi họ xem xét 720 chụp hình vú hình ảnh.
Mục tiêu cuối cùng của công việc của chúng tôi là tăng cường, không thay thế, các bác sĩ X quang của con người.
Nghiên cứu của chúng tôi cho thấy AI đã xác định các mô hình liên quan đến ung thư trong dữ liệu mà các bác sĩ X quang không thể, và ngược lại, cho biết tác giả nghiên cứu cao cấp Krzysztof Geras, trợ lý giáo sư tại khoa X quang tại Đại học Y khoa Grossman của Đại học New York.
AI phát hiện ra những thay đổi ở cấp độ pixel trong mô không thể nhìn thấy bằng mắt người, trong khi con người sử dụng các hình thức lý luận không có sẵn cho AI, thì ông cho biết thêm Geras, cũng là một giảng viên trực thuộc Trung tâm Khoa học dữ liệu. Mục tiêu cuối cùng của công việc của chúng tôi là tăng cường, không thay thế, các bác sĩ X quang của con người.
Vào năm 2014, phụ nữ (không có triệu chứng) ở Hoa Kỳ đã có hơn 39 triệu bài kiểm tra chụp nhũ ảnh để sàng lọc ung thư vú và xác định nhu cầu theo dõi chặt chẽ hơn. Phụ nữ có kết quả xét nghiệm cho kết quả chụp nhũ ảnh bất thường được giới thiệu sinh thiết, một quy trình loại bỏ một mẫu mô vú nhỏ để xét nghiệm.
Công cụ AI đã học để dự đoán những tổn thương nào có khả năng ác tính (bản đồ nhiệt đỏ) hoặc có thể là lành tính (bản đồ nhiệt xanh), có khả năng hỗ trợ các bác sĩ X quang trong chẩn đoán ung thư vú. (Tín dụng: Trường Y khoa NYU)
Trong nghiên cứu mới, nhóm nghiên cứu đã thiết kế các kỹ thuật thống kê cho phép chương trình của họ học hỏi cách làm thế nào để làm tốt hơn trong một nhiệm vụ mà không được nói chính xác như thế nào. Các chương trình như vậy xây dựng các mô hình toán học cho phép ra quyết định dựa trên các ví dụ dữ liệu được cung cấp cho chúng, với chương trình nhận được thông minh thông minh hơn khi nó xem xét ngày càng nhiều dữ liệu.
Các phương pháp tiếp cận AI hiện đại, lấy cảm hứng từ bộ não con người, sử dụng các mạch phức tạp để xử lý thông tin theo từng lớp, với từng bước cung cấp thông tin tiếp theo và phân bổ ít nhiều tầm quan trọng cho từng mẩu thông tin trên đường đi.
Các tác giả của nghiên cứu hiện tại đã đào tạo công cụ AI của họ trên nhiều hình ảnh phù hợp với kết quả sinh thiết được thực hiện trong quá khứ. Mục tiêu của họ là cho phép công cụ giúp các bác sĩ X quang giảm số lượng sinh thiết cần thiết để tiến về phía trước. Điều này chỉ có thể đạt được, theo Geras, bằng cách tăng sự tin tưởng rằng các bác sĩ có độ chính xác của các đánh giá được thực hiện để kiểm tra sàng lọc (ví dụ, giảm dương tính giả và kết quả âm tính giả).
Đối với nghiên cứu hiện tại, nhóm nghiên cứu đã phân tích hình ảnh được thu thập như một phần của chăm sóc lâm sàng thông thường trong bảy năm, sàng lọc dữ liệu thu thập và kết nối hình ảnh với kết quả sinh thiết. Nỗ lực này đã tạo ra một bộ dữ liệu cực kỳ lớn cho công cụ AI của họ để đào tạo, các tác giả cho biết, bao gồm 229,426 bài kiểm tra chụp nhũ ảnh kỹ thuật số và 1,001,093 hình ảnh. Hầu hết các cơ sở dữ liệu mà các nhà nghiên cứu sử dụng trong các nghiên cứu cho đến nay đã bị giới hạn ở 10,000 hình ảnh hoặc ít hơn.
Do đó, các nhà nghiên cứu đã đào tạo mạng lưới thần kinh của họ bằng cách lập trình nó để phân tích hình ảnh từ cơ sở dữ liệu mà chẩn đoán ung thư đã được xác định. Điều này có nghĩa là các nhà nghiên cứu đã biết sự thật của người Hồi giáo đối với từng hình ảnh chụp nhũ ảnh (ung thư hay không) khi họ kiểm tra độ chính xác của công cụ, trong khi công cụ phải đoán. Các nhà nghiên cứu đã đo độ chính xác trong tần số dự đoán chính xác.
Ngoài ra, các nhà nghiên cứu đã thiết kế mô hình AI nghiên cứu trước tiên để xem xét các mảng rất nhỏ của hình ảnh có độ phân giải đầy đủ riêng biệt để tạo ra một bản đồ nhiệt, một bức tranh thống kê về khả năng mắc bệnh. Sau đó, chương trình xem xét toàn bộ vú cho các đặc điểm cấu trúc liên quan đến ung thư, chú ý hơn đến các khu vực được gắn cờ trong bản đồ nhiệt độ pixel.
Thay vì các nhà nghiên cứu xác định các tính năng hình ảnh cho AI của họ để tìm kiếm, công cụ này tự khám phá xem tính năng hình ảnh nào làm tăng độ chính xác dự đoán. Tiến về phía trước, nhóm dự định sẽ tăng thêm độ chính xác này bằng cách đào tạo chương trình AI trên nhiều dữ liệu hơn, thậm chí có thể xác định những thay đổi trong mô vú chưa bị ung thư nhưng có tiềm năng.
Tác giả chuyển đổi sang hỗ trợ AI trong X quang chẩn đoán nên tiến hành như áp dụng xe tự lái, chậm rãi và cẩn thận, xây dựng niềm tin và cải thiện hệ thống trên đường đi, tập trung vào an toàn, theo tác giả đầu tiên Nan Wu, một ứng cử viên tiến sĩ tại Trung tâm Khoa học dữ liệu.
Nghiên cứu xuất hiện trong Giao dịch của IEEE về hình ảnh y tế.
Lưu ý
Tác giả nghiên cứu cao cấp Krzysztof Geras là trợ lý giáo sư tại khoa X quang tại Trường Y khoa Grossman của Đại học New York.
Các đồng tác giả khác đến từ NYU, Đại học Y khoa SUNY Downstate, Đại học Cambridge và Đại học Jagiellonia.
Hỗ trợ cho công việc đến, một phần, từ Viện sức khỏe quốc gia. Mô hình được sử dụng trong nghiên cứu này đã được cung cấp cho lĩnh vực này để thúc đẩy sự đổi mới.
Sách liên quan:
Cơ thể ghi điểm: Bộ não và cơ thể trong quá trình chữa lành chấn thương
bởi Bessel van der Nikol
Cuốn sách này khám phá mối liên hệ giữa chấn thương với sức khỏe thể chất và tinh thần, đưa ra những hiểu biết sâu sắc và chiến lược để chữa lành và phục hồi.
Bấm để biết thêm thông tin hoặc đặt hàng
Hơi thở: Khoa học mới về nghệ thuật đã mất
bởi James Nestor
Cuốn sách này khám phá khoa học và thực hành thở, cung cấp những hiểu biết sâu sắc và kỹ thuật để cải thiện sức khỏe thể chất và tinh thần.
Bấm để biết thêm thông tin hoặc đặt hàng
Nghịch lý thực vật: Nguy cơ tiềm ẩn trong thực phẩm "lành mạnh" gây bệnh và tăng cân
của Steven R. Gundry
Cuốn sách này khám phá mối liên hệ giữa chế độ ăn uống, sức khỏe và bệnh tật, đưa ra những hiểu biết sâu sắc và chiến lược để cải thiện sức khỏe tổng thể và sức khỏe.
Bấm để biết thêm thông tin hoặc đặt hàng
Mã miễn dịch: Mô hình mới cho sức khỏe thực sự và chống lão hóa triệt để
bởi Joel Greene
Cuốn sách này đưa ra một quan điểm mới về sức khỏe và khả năng miễn dịch, dựa trên các nguyên tắc biểu sinh và đưa ra những hiểu biết sâu sắc cũng như chiến lược để tối ưu hóa sức khỏe và lão hóa.
Bấm để biết thêm thông tin hoặc đặt hàng
Hướng dẫn hoàn chỉnh về nhịn ăn: Chữa lành cơ thể thông qua nhịn ăn gián đoạn, luân phiên và kéo dài
bởi Tiến sĩ Jason Fung và Jimmy Moore
Cuốn sách này khám phá khoa học và thực hành nhịn ăn, cung cấp những hiểu biết sâu sắc và chiến lược để cải thiện sức khỏe tổng thể và sức khỏe.
