{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 ”

กราฟิกสมัครสมาชิกภายในตัวเอง

ในปี 2014 ผู้หญิง (ไม่มีอาการ) ในสหรัฐอเมริกาได้รับการตรวจเต้านมมากกว่า 39 ล้านครั้งเพื่อคัดกรองมะเร็งเต้านมและพิจารณาถึงความจำเป็นในการติดตามอย่างใกล้ชิด ผู้หญิงที่ผลการทดสอบให้ผลการตรวจเต้านมผิดปกติ ตรวจชิ้นเนื้อกระบวนการที่เอาตัวอย่างเนื้อเยื่อเต้านมออกเล็กน้อยสำหรับการทดสอบในห้องปฏิบัติการ

Three images of breast tissue side by side. The first is black and white, the second has spots of green, the third has spots of red.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

การศึกษาเดิม

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

คลิกเพื่อดูข้อมูลเพิ่มเติมหรือสั่งซื้อ