Videnskab
 science >> Videnskab >  >> Elektronik

Google -forskere ser fremskridt i værktøjet til at opdage spredning af brystkræft

Til venstre:prøvebillede af et dias, der indeholder lymfeknuder, med flere artefakter:den mørke zone til venstre er en luftboble, de hvide striber skærer artefakter, den røde nuance på tværs af nogle regioner er hæmoragisk (indeholder blod), vævet er nekrotisk (henfaldende), og behandlingskvaliteten var dårlig. Til højre:LYNA identificerer tumorregionen i midten (rød), og klassificerer korrekt de omkringliggende artefaktbelastede områder som ikke-tumor (blå). Kredit:Google AI Blog

Spotting af brystkræft er noget, Google AI er god til at gøre. Hvor godt? An Ubergizmo headline:"Google hævder, at dets AI har 99% nøjagtighed til at opdage metastatisk brystkræft." Hvad er der bag overskriften?

Svaret er, at firmaet har et dybt indlæringsværktøj, der i test var i stand til at skelne mellem metastatisk kræft 99% af tiden-hvilket svarer til en større nøjagtighedsrate end opnået af menneskelige patologer.

Hvorfor betyder det noget:"Kræft er et af de tilfælde, hvor tidlig opsporing kan føre til en højere overlevelsesrate, "kommenterede Tyler Lee Ubergizmo . Kyle Wiggers, der dækker AI for VentureBeat , på samme måde drev det punkt hjem, at metastatisk kræft var "notorisk svært at opdage."

Wiggers kiggede på nogle statistikker og skrev, at "af en halv million dødsfald på verdensplan forårsaget af brystkræft, anslået 90 procent er et resultat af metastase. "Nu har Googles teknologi til formål at spille en nyttig rolle i opdagelsen.

Udstationering i Google AI -blog den 12. oktober, Martin Stumpe, teknisk leder og Craig Mermel, produktchef, Sundhedspleje, Google AI, understregede betydningen af ​​timing.

"Detektion af nodal metastase er relevant for de fleste kræftformer, "skrev de, og, ved brystkræft, "nodal metastase påvirker behandlingsbeslutninger vedrørende strålebehandling, kemoterapi, og den potentielle kirurgiske fjernelse af yderligere lymfeknuder. Som sådan, nøjagtigheden og rettidigheden ved at identificere nodale metastaser har en betydelig indvirkning på den kliniske pleje. "

Lee rapporterede, at forskerne testede deres AI "mod Lymph Node 2016-udfordringsdatasættet, der indeholder 399 hel-diasbilleder af lymfeknuder fra Radboud University Medical Center og University Medical Center Utrecht." Resultat:99,3% score i nøjagtighed. Ja, 99.3 er ikke 100, da det lejlighedsvis fejlagtigt identificerede ting. Ikke desto mindre, 99,3% -scoren var "bedre sammenlignet med en praktiserende patolog, der havde til opgave at evaluere de samme dias, "Skrev Lee.

MIT Technology Review , "Downloaden, "påpegede på samme måde, at" 99% -procenten er bedre end menneskelige patologers præstationer. "

Wiggers havde flere detaljer. "I test, den opnåede et område under modtagerens driftskarakteristik (AUC) - et mål for detekteringsnøjagtighed - på 99 procent. Det er bedre end menneskelige patologer, som ifølge en nylig vurdering savner små metastaser på individuelle dias så meget som 62 procent af tiden, når de er under tidsbegrænsninger. "

Tilføj en tromlerulle til open source. Teknologien er baseret på en open source -model til genkendelse af dyb læring. Det er Inception V-3. Deres AI -system, imens, kaldes lymfeknudeassistent, eller LYNA. Joseph Archer, The Telegraph , sagde, at Google AI blev lært at genkende tumorers egenskaber "ved at studere scanninger fra kræftpatienter."

Hvad angår de næste trin, forskerne erkendte, hvad de opnåede - og hvad der stadig skal opnås.

"Med disse undersøgelser, vi har gjort fremskridt med at demonstrere robustheden af ​​vores LYNA -algoritme til at understøtte en komponent i brystkræft TNM -iscenesættelse, og vurdere dens indvirkning i en proof-of-concept diagnostisk indstilling. "

Imidlertid, "bænken til sengen" -rejsen er lang, de sagde, og disse undersøgelser har begrænsninger, "såsom begrænsede datasætstørrelser og en simuleret diagnostisk arbejdsgang, der kun undersøgte et enkelt lymfeknude -dias for hver patient i stedet for de flere dias, der er almindelige for et komplet klinisk tilfælde."

De erklærede, at yderligere arbejde er nødvendigt for at vurdere virkningen af ​​LYNA på reelle kliniske arbejdsgange og patientresultater.

MIT Technology Review Downloaden, adresseret mulig frygt for, at teknologi som denne søger at erstatte menneskelige praktikere. Det er ikke et tilfælde af enten-eller. En diagnose er kun en facet af læge-patientpleje, efterfulgt af en handlingsplan. Google AI-indsatsen er og-og.

"I stedet for at erstatte mennesker, denne teknologi er mere tilbøjelig til at supplere deres færdigheder, "sagde Downloaden, "gør det lettere og hurtigere at diagnosticere metastatiske tumorer. I en undersøgelse, algoritmen halverede den tid, det tog at kontrollere et dias i gennemsnit, skære det til kun et minut pr. dias. "

© 2018 Tech Xplore




Varme artikler