2017-12-13 10:48:08
Κατά μέσο όρο, τόσο ο αλγόριθμος όσο και ο έμπειρος γιατρός έκαναν 1,25 ψευδώς θετικές διαγνώσεις ανά 100 εικόνες Οι αλγόριθμοι της τεχνητής νοημοσύνης είναι ήδη σε θέση να
κάνουν διαγνώσεις των μεταστάσεων του καρκίνου του μαστού στους λεμφαδένες εξίσου καλά με τους γιατρούς ή και καλύτερα, σύμφωνα με μια νέα ολλανδική επιστημονική έρευνα.
Οι ερευνητές του Ιατρικού Κέντρου του Πανεπιστημίου Ράντμπουντ, με επικεφαλής τον παθολόγο δρα Γερούν βαν ντερ Λάακ, που έκαναν τη σχετική δημοσίευση στο αμερικανικό ιατρικό περιοδικό JAMA (Journal of American Medical Association), διοργάνωσαν για πρώτη φορά μια «κόντρα» υπολογιστών εναντίον παθολόγων.
Οι συμμετέχοντες στο διαγωνισμό CAMELYON16 (23 ερευνητικές ομάδες από διάφορες χώρες) χρησιμοποίησαν 270 ψηφιακές εικόνες ιστών γυναικών με διαγνωσμένες μεταστάσεις για να εκπαιδεύσουν αλγόριθμους να κάνουν τις σχετικές διαγνώσεις.
Στη συνέχεια, οι 32 αλγόριθμοί που είχαν αναπτυχθεί, κλήθηκαν να εξετάσουν 129 άλλες εικόνες ιστών και να βρουν τυχόν μεταστάσεις. Ο αλγόριθμος έπρεπε να διακρίνει τις εικόνες των ιστών των ασθενών που εμφάνιζαν μεταστάσεις, από εκείνες που δεν είχαν, και να εντοπίσει τα ακριβή σημεία των μεταστάσεων.
Οι ίδιες εικόνες εξετάσθηκαν από μια επιτροπή 11 έμπειρων παθολόγων, οι οποίοι -όπως στις πραγματικές συνθήκες ενός νοσοκομείου- είχαν περιορισμένο χρόνο για να κάνουν τη διάγνωσή τους. Τέλος, ένας ακόμη έμπειρος γιατρός έκανε διάγνωση για τις ίδιες εικόνες, αλλά αυτή τη φορά χωρίς κανένα περιορισμό χρόνου.
Οι πιο αποτελεσματικοί αλγόριθμοι ήσαν όσοι έκαναν χρήση της «βαθιάς μάθησης», στην οποία ο υπολογιστής μαθαίνει να αναγνωρίζει το ζητούμενο έχοντας μάθει από προηγούμενα παραδείγματα.
Ο καλύτερος αλγόριθμος τεχνητής νοημοσύνης, που ανακηρύχθηκε νικητής, ανίχνευσε τις μεταστάσεις εξίσου καλά με τον παθολόγο που εργάσθηκε χωρίς χρονικούς περιορισμούς. Κατά μέσο όρο, τόσο ο αλγόριθμος όσο και ο έμπειρος γιατρός έκαναν 1,25 ψευδώς θετικές διαγνώσεις ανά 100 εικόνες (μεταστάσεις που δεν υπήρχαν στην πραγματικότητα).
Κατά μέσο όρο επίσης, οι επτά κορυφαίοι αλγόριθμοι απέδωσαν σημαντικά καλύτερα από τους 11 γιατρούς που αξιολόγησαν τις εικόνες των ασθενών στις ρεαλιστικές νοσοκομειακές συνθήκες υπό πίεση χρόνου.
Οι ερευνητές δήλωσαν ότι τέτοια συστήματα τεχνητής νοημοσύνης στο μέλλον θα γίνουν ρουτίνα στα ιατρικά κέντρα και θα παράσχουν σημαντική βοήθεια στους γιατρούς για να κάνουν ακριβέστερες και ταχύτερες διαγνώσεις.
«Για πρώτη φορά διαπιστώσαμε ότι ένας υπολογιστής είναι σε θέση να κάνει διάγνωση τόσο αποτελεσματικά όσο ένας παθολόγος. Συνεπώς ένας γιατρός με ένα τέτοιο αλγόριθμο στη διάθεσή του είναι σε καλύτερη θέση από ένα γιατρό χωρίς αλγόριθμο. Ο ασθενής λαμβάνει το αποτέλεσμα της βιοψίας πιο γρήγορα και ο αλγόριθμος βοηθά τους παθολόγους να κάνουν καλύτερες διαγνώσεις ακόμη και κάτω υπό πίεση χρόνου» δήλωσε ο Λάακ.
Οι ερευνητές εκτίμησαν ότι τέτοιοι αλγόριθμοι θα είναι διαθέσιμοι σε λίγα χρόνια για κλινική χρήση.
anatakti
κάνουν διαγνώσεις των μεταστάσεων του καρκίνου του μαστού στους λεμφαδένες εξίσου καλά με τους γιατρούς ή και καλύτερα, σύμφωνα με μια νέα ολλανδική επιστημονική έρευνα.
Οι ερευνητές του Ιατρικού Κέντρου του Πανεπιστημίου Ράντμπουντ, με επικεφαλής τον παθολόγο δρα Γερούν βαν ντερ Λάακ, που έκαναν τη σχετική δημοσίευση στο αμερικανικό ιατρικό περιοδικό JAMA (Journal of American Medical Association), διοργάνωσαν για πρώτη φορά μια «κόντρα» υπολογιστών εναντίον παθολόγων.
Οι συμμετέχοντες στο διαγωνισμό CAMELYON16 (23 ερευνητικές ομάδες από διάφορες χώρες) χρησιμοποίησαν 270 ψηφιακές εικόνες ιστών γυναικών με διαγνωσμένες μεταστάσεις για να εκπαιδεύσουν αλγόριθμους να κάνουν τις σχετικές διαγνώσεις.
Στη συνέχεια, οι 32 αλγόριθμοί που είχαν αναπτυχθεί, κλήθηκαν να εξετάσουν 129 άλλες εικόνες ιστών και να βρουν τυχόν μεταστάσεις. Ο αλγόριθμος έπρεπε να διακρίνει τις εικόνες των ιστών των ασθενών που εμφάνιζαν μεταστάσεις, από εκείνες που δεν είχαν, και να εντοπίσει τα ακριβή σημεία των μεταστάσεων.
Οι ίδιες εικόνες εξετάσθηκαν από μια επιτροπή 11 έμπειρων παθολόγων, οι οποίοι -όπως στις πραγματικές συνθήκες ενός νοσοκομείου- είχαν περιορισμένο χρόνο για να κάνουν τη διάγνωσή τους. Τέλος, ένας ακόμη έμπειρος γιατρός έκανε διάγνωση για τις ίδιες εικόνες, αλλά αυτή τη φορά χωρίς κανένα περιορισμό χρόνου.
Οι πιο αποτελεσματικοί αλγόριθμοι ήσαν όσοι έκαναν χρήση της «βαθιάς μάθησης», στην οποία ο υπολογιστής μαθαίνει να αναγνωρίζει το ζητούμενο έχοντας μάθει από προηγούμενα παραδείγματα.
Ο καλύτερος αλγόριθμος τεχνητής νοημοσύνης, που ανακηρύχθηκε νικητής, ανίχνευσε τις μεταστάσεις εξίσου καλά με τον παθολόγο που εργάσθηκε χωρίς χρονικούς περιορισμούς. Κατά μέσο όρο, τόσο ο αλγόριθμος όσο και ο έμπειρος γιατρός έκαναν 1,25 ψευδώς θετικές διαγνώσεις ανά 100 εικόνες (μεταστάσεις που δεν υπήρχαν στην πραγματικότητα).
Κατά μέσο όρο επίσης, οι επτά κορυφαίοι αλγόριθμοι απέδωσαν σημαντικά καλύτερα από τους 11 γιατρούς που αξιολόγησαν τις εικόνες των ασθενών στις ρεαλιστικές νοσοκομειακές συνθήκες υπό πίεση χρόνου.
Οι ερευνητές δήλωσαν ότι τέτοια συστήματα τεχνητής νοημοσύνης στο μέλλον θα γίνουν ρουτίνα στα ιατρικά κέντρα και θα παράσχουν σημαντική βοήθεια στους γιατρούς για να κάνουν ακριβέστερες και ταχύτερες διαγνώσεις.
«Για πρώτη φορά διαπιστώσαμε ότι ένας υπολογιστής είναι σε θέση να κάνει διάγνωση τόσο αποτελεσματικά όσο ένας παθολόγος. Συνεπώς ένας γιατρός με ένα τέτοιο αλγόριθμο στη διάθεσή του είναι σε καλύτερη θέση από ένα γιατρό χωρίς αλγόριθμο. Ο ασθενής λαμβάνει το αποτέλεσμα της βιοψίας πιο γρήγορα και ο αλγόριθμος βοηθά τους παθολόγους να κάνουν καλύτερες διαγνώσεις ακόμη και κάτω υπό πίεση χρόνου» δήλωσε ο Λάακ.
Οι ερευνητές εκτίμησαν ότι τέτοιοι αλγόριθμοι θα είναι διαθέσιμοι σε λίγα χρόνια για κλινική χρήση.
anatakti
ΜΟΙΡΑΣΤΕΙΤΕ
ΔΕΙΤΕ ΑΚΟΜΑ
ΣΧΟΛΙΑΣΤΕ
