{ชื่อ Y=urJ7QEdhP_U}
เครื่องมือปัญญาประดิษฐ์ที่ผ่านการฝึกอบรมเกี่ยวกับภาพคัดกรองตรวจเต้านมประมาณล้านภาพสามารถระบุมะเร็งเต้านมด้วยความแม่นยำประมาณ 90% เมื่อรวมกับการวิเคราะห์รังสีวิทยา
การศึกษาตรวจสอบความสามารถของปัญญาประดิษฐ์ (AI) โปรแกรมคอมพิวเตอร์การเรียนรู้ของเครื่องเพื่อเพิ่มมูลค่าให้กับการวินิจฉัยกลุ่มนักรังสีวิทยา 14 คนถึงเมื่อพวกเขาตรวจสอบ 720 การคัดกรอง ภาพ
“ เป้าหมายสูงสุดในการทำงานของเราคือเพิ่มนักรังสีวิทยามนุษย์แทนคนอื่น ๆ ”
“ การศึกษาของเราพบว่า AI ระบุรูปแบบที่เกี่ยวข้องกับโรคมะเร็งในข้อมูลที่นักรังสีวิทยาไม่สามารถทำได้และในทางกลับกัน” ผู้วิจัยอาวุโสของ Krzysztof Geras ผู้ช่วยศาสตราจารย์ในแผนกรังสีวิทยาของโรงเรียนแพทย์ Grossman ของมหาวิทยาลัยนิวยอร์กกล่าว
“ AI ตรวจพบการเปลี่ยนแปลงระดับพิกเซลในเนื้อเยื่อที่มองไม่เห็นด้วยตามนุษย์ในขณะที่มนุษย์ใช้รูปแบบการให้เหตุผลที่ไม่สามารถใช้ได้กับ AI” Geras ยังเป็นสมาชิกคณะในเครือที่ศูนย์วิทยาศาสตร์ข้อมูล “ เป้าหมายสูงสุดในการทำงานของเราคือเพิ่มนักรังสีวิทยามนุษย์แทนคนอื่น ๆ ”
ในปี 2014 ผู้หญิง (ไม่มีอาการ) ในสหรัฐอเมริกาได้รับการตรวจเต้านมมากกว่า 39 ล้านครั้งเพื่อคัดกรองมะเร็งเต้านมและพิจารณาถึงความจำเป็นในการติดตามอย่างใกล้ชิด ผู้หญิงที่ผลการทดสอบให้ผลการตรวจเต้านมผิดปกติ ตรวจชิ้นเนื้อกระบวนการที่เอาตัวอย่างเนื้อเยื่อเต้านมออกเล็กน้อยสำหรับการทดสอบในห้องปฏิบัติการ
เครื่องมือ AI เรียนรู้ที่จะทำนายว่าแผลใดน่าจะเป็นมะเร็ง (แผนที่ความร้อนสีแดง) หรือมีแนวโน้มที่ไม่เป็นพิษเป็นภัย (แผนที่ความร้อนสีเขียว) ที่มีศักยภาพในการช่วยเหลือนักรังสีวิทยาในการวินิจฉัยโรคมะเร็งเต้านม (เครดิต: คณะแพทยศาสตร์ NYU)
ในการศึกษาใหม่ทีมวิจัยได้ออกแบบเทคนิคทางสถิติที่ให้โปรแกรมของพวกเขา“ เรียนรู้” วิธีการทำงานให้ดีขึ้นโดยไม่บอกว่าทำอย่างไร โปรแกรมดังกล่าวสร้างแบบจำลองทางคณิตศาสตร์ที่ช่วยให้การตัดสินใจขึ้นอยู่กับตัวอย่างข้อมูลที่ป้อนเข้ามาโดยโปรแกรมจะ“ ฉลาดขึ้น” เพราะมันตรวจสอบข้อมูลมากขึ้นเรื่อย ๆ
วิธีการของ AI สมัยใหม่ซึ่งใช้แรงบันดาลใจจากสมองของมนุษย์ใช้วงจรที่ซับซ้อนเพื่อประมวลผลข้อมูลในเลเยอร์โดยแต่ละขั้นตอนจะป้อนข้อมูลเข้าไปในลำดับถัดไปและให้ความสำคัญกับข้อมูลแต่ละชิ้นมากขึ้นหรือน้อยลง
ผู้เขียนของการศึกษาในปัจจุบันได้ฝึกฝนเครื่องมือ AI ของพวกเขาในหลาย ๆ ภาพที่จับคู่กับผลการตรวจชิ้นเนื้อในอดีต เป้าหมายของพวกเขาคือการเปิดใช้งานเครื่องมือเพื่อช่วยให้นักรังสีวิทยาลดจำนวนของการตรวจชิ้นเนื้อที่จำเป็นในการก้าวไปข้างหน้า สิ่งนี้สามารถทำได้สำเร็จ Geras กล่าวโดยการเพิ่มความมั่นใจว่าแพทย์มีความแม่นยำในการประเมินผลสำหรับการตรวจคัดกรอง (ตัวอย่างเช่นการลด บวกเท็จ และผลลัพธ์ที่เป็นเท็จลบ)
สำหรับการศึกษาในปัจจุบันทีมวิจัยได้วิเคราะห์ภาพที่เก็บรวบรวมเป็นส่วนหนึ่งของการดูแลทางคลินิกตามปกติเป็นเวลากว่าเจ็ดปีแล้วกลั่นกรองผ่านข้อมูลที่รวบรวมและเชื่อมโยงภาพกับผลการตรวจชิ้นเนื้อ ความพยายามนี้สร้างชุดข้อมูลที่มีขนาดใหญ่เป็นพิเศษสำหรับเครื่องมือ AI ของพวกเขาในการฝึกอบรมผู้เขียนกล่าวว่าประกอบด้วยการตรวจคัดกรองเต้านมด้วยการตรวจคัดกรองด้วยดิจิตอล 229,426 ภาพและภาพ 1,001,093 ภาพ ฐานข้อมูลส่วนใหญ่ที่นักวิจัยใช้ในการศึกษาจนถึงปัจจุบันถูก จำกัด ไว้ที่ 10,000 ภาพหรือน้อยกว่า
ดังนั้นนักวิจัยจึงฝึกอบรมโครงข่ายประสาทเทียมด้วยการเขียนโปรแกรมเพื่อวิเคราะห์ภาพจากฐานข้อมูลที่การวินิจฉัยโรคมะเร็งได้รับการพิจารณาแล้ว นั่นหมายความว่านักวิจัยรู้ว่า“ ความจริง” สำหรับภาพเต้านมแต่ละภาพ (มะเร็งหรือไม่) ในขณะที่พวกเขาทดสอบความถูกต้องของเครื่องมือในขณะที่เครื่องมือต้องเดา นักวิจัยวัดความแม่นยำในความถี่ของการทำนายที่ถูกต้อง
นอกจากนี้นักวิจัยได้ออกแบบแบบจำลองการศึกษา AI ก่อนอื่นให้พิจารณาแผ่นความละเอียดเต็มขนาดเล็กมากแยกจากกันเพื่อสร้างแผนที่ความร้อนซึ่งเป็นภาพทางสถิติของความน่าจะเป็นของโรค จากนั้นโปรแกรมจะพิจารณาเต้านมทั้งหมดสำหรับลักษณะโครงสร้างที่เชื่อมโยงกับโรคมะเร็งโดยให้ความสนใจกับบริเวณที่ถูกทำเครื่องหมายในแผนที่ความร้อนระดับพิกเซล
แทนที่จะให้นักวิจัยระบุคุณลักษณะของภาพสำหรับ AI เพื่อค้นหาเครื่องมือจะค้นพบด้วยตัวเองว่าคุณลักษณะของภาพใดที่เพิ่มความแม่นยำในการทำนาย การพัฒนาไปข้างหน้าทีมวางแผนที่จะเพิ่มความแม่นยำนี้เพิ่มเติมโดยการฝึกอบรมโปรแกรม AI เกี่ยวกับข้อมูลเพิ่มเติมอาจระบุการเปลี่ยนแปลงในเนื้อเยื่อเต้านมที่ยังไม่เป็นมะเร็ง แต่มีศักยภาพที่จะเป็น
“ การเปลี่ยนไปใช้การสนับสนุน AI ในรังสีวิทยาวินิจฉัยควรดำเนินต่อไปเช่นการนำรถยนต์ที่ขับเคลื่อนด้วยตัวเองมาใช้อย่างช้า ๆ และรอบคอบสร้างความไว้วางใจและปรับปรุงระบบไปพร้อมกับความปลอดภัย” ผู้เขียนคนแรกของ Nan Wu กล่าว ศูนย์วิทยาศาสตร์ข้อมูล
การศึกษาปรากฏ ธุรกรรม IEEE เกี่ยวกับการถ่ายภาพทางการแพทย์.
เกี่ยวกับผู้เขียน
ผู้เขียนศึกษาอาวุโส Krzysztof Geras เป็นผู้ช่วยศาสตราจารย์ในแผนกรังสีวิทยาที่ Grossman School of Medicine ของมหาวิทยาลัยนิวยอร์ก
ผู้เขียนร่วมเพิ่มเติมมาจาก NYU, วิทยาลัยการแพทย์ SUNY Downstate, มหาวิทยาลัยเคมบริดจ์และมหาวิทยาลัย Jagiellonian
ส่วนหนึ่งได้รับการสนับสนุนจากสถาบันสุขภาพแห่งชาติ แบบจำลองที่ใช้ในการศึกษานี้จัดทำขึ้นเพื่อเผยแพร่นวัตกรรม
หนังสือที่เกี่ยวข้อง:
ร่างกายรักษาคะแนน: สมองจิตใจและร่างกายในการรักษาบาดแผล
โดย Bessel van der Kolk
หนังสือเล่มนี้สำรวจความเชื่อมโยงระหว่างการบาดเจ็บกับสุขภาพกายและสุขภาพจิต นำเสนอข้อมูลเชิงลึกและกลยุทธ์ในการรักษาและฟื้นฟู
คลิกเพื่อดูข้อมูลเพิ่มเติมหรือสั่งซื้อ
ลมหายใจ: ศาสตร์ใหม่ของศิลปะที่สาบสูญ
โดย เจมส์ เนสเตอร์
หนังสือเล่มนี้สำรวจวิทยาศาสตร์และการฝึกหายใจ นำเสนอข้อมูลเชิงลึกและเทคนิคในการปรับปรุงสุขภาพร่างกายและจิตใจ
คลิกเพื่อดูข้อมูลเพิ่มเติมหรือสั่งซื้อ
The Plant Paradox: อันตรายที่ซ่อนอยู่ในอาหาร "สุขภาพ" ที่ทำให้เกิดโรคและน้ำหนักขึ้น
โดย สตีเวน อาร์. กันดรี
หนังสือเล่มนี้สำรวจความเชื่อมโยงระหว่างอาหาร สุขภาพ และโรค โดยนำเสนอข้อมูลเชิงลึกและกลยุทธ์ในการปรับปรุงสุขภาพโดยรวมและความสมบูรณ์พูนสุข
คลิกเพื่อดูข้อมูลเพิ่มเติมหรือสั่งซื้อ
รหัสภูมิคุ้มกัน: กระบวนทัศน์ใหม่เพื่อสุขภาพที่แท้จริงและการต่อต้านริ้วรอยที่รุนแรง
โดย Joel Greene
หนังสือเล่มนี้นำเสนอมุมมองใหม่เกี่ยวกับสุขภาพและภูมิคุ้มกัน โดยใช้หลักการของ epigenetics และนำเสนอข้อมูลเชิงลึกและกลยุทธ์ในการปรับปรุงสุขภาพและการชะลอวัยให้เหมาะสม
คลิกเพื่อดูข้อมูลเพิ่มเติมหรือสั่งซื้อ
คู่มือฉบับสมบูรณ์สำหรับการถือศีลอด: รักษาร่างกายของคุณด้วยการอดอาหารเป็นช่วงๆ วันเว้นวัน และการอดอาหารแบบยืดเวลา
โดย ดร.เจสัน ฟุง และจิมมี่ มัวร์
หนังสือเล่มนี้สำรวจวิทยาศาสตร์และการปฏิบัติของการถือศีลอดโดยนำเสนอข้อมูลเชิงลึกและกลยุทธ์ในการปรับปรุงสุขภาพโดยรวมและความสมบูรณ์พูนสุข