{vembed Y=urJ7QEdhP_U}
En konstgjord intelligensverktyg - utbildad på ungefär en miljon screening mammografibilder - kan identifiera bröstcancer med cirka 90% noggrannhet i kombination med radiologanalys, visar en ny studie.
I studien undersöktes förmågan hos en typ av artificiell intelligens (AI), ett datorprogram för maskininlärning, att ge mervärde till diagnoserna som en grupp av 14 radiologer nådde när de granskade 720 mammogram bilder.
"Det slutliga målet med vårt arbete är att öka, inte ersätta, mänskliga radiologer."
"Vår studie fann att AI identifierade cancerrelaterade mönster i de uppgifter som radiologer inte kunde, och vice versa," säger seniorstudieförfattaren Krzysztof Geras, biträdande professor i radiologiavdelningen vid New York Universitys Grossman School of Medicine.
"AI upptäckte pixelnivåförändringar i vävnad som är osynliga för det mänskliga ögat, medan människor använde former av resonemang som inte är tillgängliga för AI," tillägger Geras, också en anknuten fakultetsmedlem vid Center for Data Science. "Det slutliga målet med vårt arbete är att öka, inte ersätta, mänskliga radiologer."
2014 fick kvinnor (utan symptom) i USA mer än 39 miljoner mammografiprövningar för att undersöka bröstcancer och fastställa behovet av närmare uppföljning. Kvinnor vars testresultat ger onormala resultat av mammografin hänvisas till biopsi, en procedur som tar bort ett litet prov av bröstvävnad för laboratorietest.
AI-verktyget lärde sig att förutsäga vilka lesioner som troligen var malig (röd värmekarta) eller troligen godartad (grön värmekarta), med potential att hjälpa radiologer i diagnosen bröstcancer. (Kredit: NYU School of Medicine)
I den nya studien designade forskarteamet statistiska tekniker som låter deras program "lära sig" hur de kan bli bättre på en uppgift utan att få veta exakt hur. Sådana program bygger matematiska modeller som möjliggör beslutsfattande baserat på dataexempel som matas in i dem, och programmet blir ”smartare” när det granskar mer och mer data.
Moderna AI-tillvägagångssätt, som hämtar inspiration från den mänskliga hjärnan, använder komplexa kretsar för att bearbeta information i lager, varvid varje steg matar information till nästa och ger mer eller mindre betydelse till varje informationsstycke längs vägen.
Författarna till den aktuella studien tränade sitt AI-verktyg på många bilder matchade med resultaten från biopsier som utförts tidigare. Deras mål var att möjliggöra verktyget för att hjälpa radiologer att minska antalet biopsier som behövs för att gå vidare. Detta kan bara uppnås, säger Geras, genom att öka det förtroende som läkare har för noggrannheten i utvärderingar som gjorts för screeningprov (till exempel att minska falskt positivt och falskt negativa resultat).
För den aktuella studien analyserade forskarteamet bilder som samlats in som en del av rutinmässig klinisk vård under sju år, genom att siktas genom insamlade data och koppla bilderna till biopsi-resultat. Denna ansträngning skapade ett utomordentligt stort datasätt för deras AI-verktyg att träna på, säger författarna, bestående av 229,426 1,001,093 mammografiprövningar med digital screening och 10,000 XNUMX XNUMX bilder. De flesta databaser som forskarna använde i studier hittills har varit begränsade till XNUMX XNUMX bilder eller färre.
Således utbildade forskarna sitt neurala nätverk genom att programmera det för att analysera bilder från databasen för vilken cancerdiagnoser redan hade fastställts. Detta innebar att forskare visste ”sanningen” för varje mammografibild (cancer eller inte) när de testade verktygets noggrannhet, medan verktyget måste gissa. Forskarna mätte noggrannhet i frekvensen av korrekta förutsägelser.
Dessutom designade forskarna AI-studien för att först överväga mycket små fläckar av bilden i full upplösning separat för att skapa en värmekarta, en statistisk bild av sannolikheten för sjukdomar. Sedan överväger programmet hela bröstet för strukturella funktioner kopplade till cancer, och ägnar mer uppmärksamhet åt de områden som flaggas i pixelnivåvärmekartan.
I stället för att forskarna identifierar bildfunktioner för deras AI att söka efter, upptäcker verktyget på egen hand vilka bildfunktioner som ökar prediktionsnoggrannheten. I framtiden planerar teamet att ytterligare öka denna noggrannhet genom att träna AI-programmet i mer data, kanske till och med identifiera förändringar i bröstvävnad som ännu inte är cancerformat men som har potential att vara det.
"Övergången till AI-stöd i diagnostisk radiologi bör fortsätta som antagandet av självkörande bilar - långsamt och noggrant, bygga förtroende och förbättra system under vägen med fokus på säkerhet," säger första författaren Nan Wu, doktorand på centrum för datavetenskap.
Studien visas i IEEE-transaktioner på medicinsk avbildning.
Om författaren
Senior studieförfattare Krzysztof Geras är biträdande professor i radiologiska avdelningen vid New York Universitys Grossman School of Medicine.
Ytterligare coauthors är från NYU, SUNY Downstate College of Medicine, University of Cambridge och Jagiellonian University.
Stöd för arbetet kom delvis från National Institute of Health. Modellen som används i denna studie har gjorts tillgänglig för fältet för att driva innovation.
Relaterade böcker:
Kroppen håller poängen: Hjärnans själ och kropp i läkningen av trauma
av Bessel van der Kolk
Den här boken utforskar sambanden mellan trauma och fysisk och mental hälsa, och erbjuder insikter och strategier för läkning och återhämtning.
Klicka för mer info eller för att beställa
Breath: The New Science of a Lost Art
av James Nestor
Den här boken utforskar vetenskapen och praktiken av andning, och erbjuder insikter och tekniker för att förbättra fysisk och mental hälsa.
Klicka för mer info eller för att beställa
Växtparadoxen: de dolda farorna i "hälsosam" mat som orsakar sjukdomar och viktökning
av Steven R. Gundry
Den här boken utforskar kopplingarna mellan kost, hälsa och sjukdomar, och erbjuder insikter och strategier för att förbättra övergripande hälsa och välbefinnande.
Klicka för mer info eller för att beställa
Immunitetskoden: Det nya paradigmet för verklig hälsa och radikal anti-aging
av Joel Greene
Den här boken erbjuder ett nytt perspektiv på hälsa och immunitet, som bygger på principer för epigenetik och erbjuder insikter och strategier för att optimera hälsa och åldrande.
Klicka för mer info eller för att beställa
Den kompletta guiden till fasta: läka din kropp genom intermittent, varannan dag och förlängd fasta
av Dr Jason Fung och Jimmy Moore
Den här boken utforskar vetenskapen och praktiken av fasta och erbjuder insikter och strategier för att förbättra övergripande hälsa och välbefinnande.
