Kolekcje

Model głębokiego uczenia się może przewidywać raka piersi nawet z pięcioletnim wyprzedzeniem

Model głębokiego uczenia się może przewidywać raka piersi nawet z pięcioletnim wyprzedzeniem


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Naukowcy z Laboratorium Informatyki i Sztucznej Inteligencji MIT (CSAIL) oraz Massachusetts General Hospital (MGH) stworzyli nowy model głębokiego uczenia, który może usprawnić wczesne wykrywanie raka piersi.

POWIĄZANE: OPROGRAMOWANIE ZASILANE AI POMAGA LEKARZOM WYKRYWAĆ RAKA PIERSI

System może stwierdzić na podstawie mammografii, czy u pacjenta prawdopodobnie wystąpi rak piersi nawet za pięć lat w przyszłości. Badania przesiewowe w kierunku raka piersi są ważnym narzędziem we wczesnym wykrywaniu raka piersi i zmniejszaniu śmiertelności związanej z rakiem piersi.

AI może pomóc wypełnić niedobory lekarzy

Badania przesiewowe są obecnie bardzo pracochłonne ze względu na dużą liczbę kobiet wymagających badań. W niektórych częściach świata, w tym w Stanach Zjednoczonych, brakuje wysoko wykwalifikowanych radiologów zajmujących się badaniami przesiewowymi piersi, co doprowadziło do opracowania systemów sztucznej inteligencji, które mogą wykonywać niektóre zadania związane z oceną mammografii.

Nowy system MIT został przeszkolony w zakresie mammografii i wyników ponad 60 000 pacjentów; na podstawie tych danych algorytm nauczył się subtelnych wzorców w tkance piersi, które są prekursorami nowotworów złośliwych. Twórcy systemu mają nadzieję, że dzięki niemu późne wykrywanie raka piersi stanie się przeszłością.

Bardziej dokładne badania przesiewowe oparte na ryzyku

System pomoże lekarzom opracować indywidualne plany zarządzania ryzykiem dla kobiet, które określą, jak często powinny być poddawane badaniom przesiewowym. Obecnie American Cancer Society zaleca coroczne badania przesiewowe od 45 roku życia w USA.

Profilaktyczna Grupa Robocza zaleca przeprowadzanie badań przesiewowych co dwa lata, począwszy od wieku 50 lat. Jednak w przypadku kobiet z wysokim ryzykiem to może nie wystarczyć.

„Zamiast przyjmować uniwersalne podejście do wszystkich, możemy spersonalizować badania przesiewowe pod kątem ryzyka zachorowania na raka u kobiet” - mówi Barzilay, starszy autor nowego artykułu na temat projektu, który ukazuje się dzisiaj w Radiology.

„Na przykład lekarz może zalecić jednej grupie kobiet wykonanie mammografii co dwa lata, podczas gdy inna grupa o podwyższonym ryzyku może poddać się dodatkowym badaniom przesiewowym MRI”.

System dokładniejszy niż tradycyjne metody

Barzilay jest profesorem Delta Electronics w CSAIL i na Wydziale Elektrotechniki i Informatyki na MIT oraz członkiem Koch Institute for Integrative Cancer Research na MIT. System dokładnie umieścił 31 procent wszystkich pacjentów z rakiem w swojej kategorii najwyższego ryzyka, w porównaniu z zaledwie 18 procentami w przypadku modeli tradycyjnych.

System udowadnia, że ​​strategie badań przesiewowych można określić na podstawie czynników ryzyka, a nie tylko wieku. Wcześniej czynnik ryzyka zachorowania na raka piersi u kobiety był określany na podstawie wieku, wywiadu rodzinnego dotyczącego raka piersi i jajnika, czynników hormonalnych i rozrodczych oraz gęstości piersi.

Algorytmy wykrywają wzorce zbyt subtelne dla ludzi

Markery te są słabo związane z faktycznym rozwojem raka piersi, a badania przesiewowe oparte na ryzyku nie są szeroko wspierane. Zespół MIT / MGH opracował model głębokiego uczenia się, który może zidentyfikować wzorce w mammografiach, które prowadzą do raka w przyszłości. Trenując na ponad 90 000 mammogramów, model wykrył wzorce zbyt subtelne, aby ludzkie oko mogło je wykryć.

„Od lat sześćdziesiątych XX wieku radiologowie zauważyli, że na mammografii widoczne są u kobiet wyjątkowe i bardzo zróżnicowane wzory tkanki piersi” - mówi Lehman.

„Te wzorce mogą odzwierciedlać wpływ genetyki, hormonów, ciąży, laktacji, diety, utraty wagi i przyrostu masy ciała.

Możemy teraz wykorzystać te szczegółowe informacje, aby być bardziej precyzyjnym w naszej ocenie ryzyka na poziomie indywidualnym ”.

Model wypełni również lukę w wykrywaniu i leczeniu raka piersi między czarnymi i białymi kobietami. Czarnoskóre kobiety umierają z powodu raka piersi o 42% częściej niż białe kobiety ze względu na różne czynniki, w tym dostęp do opieki zdrowotnej.

Zespół ma nadzieję, że system stanie się standardową częścią opieki zdrowotnej w Stanach Zjednoczonych i na świecie.


Obejrzyj wideo: Historia Oli: jak został u Pani zdiagnozowany rak piersi? (Może 2022).