Kombination von AI und Radiologen genauer identifiziert Brustkrebs

Eine künstliche Intelligenz (KI) – Werkzeug—geschult auf rund eine million screening-Mammographie-Bilder—identifiziert Brustkrebs mit etwa 90-prozentiger Genauigkeit in Kombination mit der Analyse von Radiologen, eine neue Studie findet.

Geführt durch Forscher von der NYU School of Medicine und der New York University (NYU Center for Data Science die Studie untersuchte die Fähigkeit einer Art von KI, ein machine-learning computer-Programm, um Wert zu den Diagnosen erreicht, indem eine Gruppe von 14 Radiologen, wie Sie überprüft 720 Mammographie-Bilder.

„Unsere Studie fand, dass AI identifiziert, von Krebs-bedingten mustern in den Daten, dass Radiologen nicht konnte, und Umgekehrt“, sagt senior Studie Autor Krzysztof J. Geras, Ph. D., assistant professor in der Abteilung der Radiologie an der NYU Langone.

„AI erkannt auf pixel-Ebene Veränderungen im Gewebe für das menschliche Auge unsichtbar, während die Menschen verwendete Form der Argumentation, nicht zur Verfügung zu AI,“ fügt Dr. Geras, auch ein verbundenes Mitglied der Fakultät an der NYU Center for Data Science. „Das ultimative Ziel unserer Arbeit ist es, zu erweitern, nicht ersetzen, die menschliche Radiologen.“

Im Jahr 2014, mehr als 39 Millionen Mammographie-Prüfungen wurden durchgeführt in den Vereinigten Staaten auf dem Bildschirm Frauen (ohne Symptome) für Brustkrebs und bestimmen Sie diejenigen, die näher follow-up. Frauen, deren Testergebnisse abnorme Mammographie-Befunde sind für die genannten Biopsie, ein Verfahren, dass entfernt eine kleine Probe des Brustgewebes für Labor-Tests.

Ein Neues Werkzeug zur Erkennung von Brustkrebs

In der neuen Studie, die Forschungs-team entwickelte statistische Techniken, lassen Sie uns Ihr Programm „lernen“, wie man besser an einer Aufgabe, ohne das gesagt wird, wie genau. Solche Programme erstellen mathematische Modelle, die es ermöglichen, Entscheidungen basierend auf Daten, die Beispiele in Sie gefüttert, mit dem Programm immer „intelligenter“, als es Bewertungen mehr und mehr Daten.

Moderne KI-Ansätze, inspiriert durch das menschliche Gehirn, die Verwendung von komplexen schaltungen zum verarbeiten von Informationen in Schichten, mit jedem Schritt, Fütterung Informationen in die nächste, und die Zuordnung von mehr oder weniger Bedeutung zu jedem Stück von Informationen auf dem Weg.

Veröffentlicht online vor kurzem von der Fachzeitschrift IEEE Transactions on Medical Imaging, die aktuelle Studie Autoren geschult, Ihre AI-tool auf viele Bilder stimmte mit den Ergebnissen von Biopsien in der Vergangenheit durchgeführt haben. Ihr Ziel war es, damit das tool helfen, Radiologen, reduzieren Sie die Anzahl Biopsien erforderlich, sich vorwärts zu bewegen. Dies kann nur erreicht werden, sagt Dr. Geras, durch die Erhöhung der zuversicht, dass die ärzte in der Genauigkeit der Einschätzungen für das screening Prüfungen (zum Beispiel die Verringerung falsch-positiver und falsch-negative Ergebnisse).

Für die aktuelle Studie hat das Forscher-team Analysierte Bilder, die gesammelt worden waren, als Teil der routinemäßigen klinischen Versorgung an der NYU Langone Health über sieben Jahre, sieben durch, den gesammelten Daten und der Verbindung der Bilder mit Biopsie-Ergebnisse. Dieser Aufwand erstellt eine außerordentlich große dataset-für Ihren AI-tool um Zug, sagen die Autoren, bestehend aus 229,426 digitale screening-Mammographie Prüfungen und 1,001,093 Bilder. Die meisten Datenbanken verwendet, die in bisherigen Studien beschränken sich auf 10.000 Bilder oder weniger.

So, die Forscher trainierten Ihre neurale Netzwerk-Programmierung ist es, zu analysieren, Bilder aus der Datenbank, für die Krebs-Diagnose war bereits entschieden. Dies bedeutet, dass Forscher kannte die „Wahrheit“ für jede Mammographie-Bild (Krebs oder nicht), wie Sie testeten das tool die Genauigkeit, während das Werkzeug zu erraten. Die Genauigkeit wurde gemessen in der Häufigkeit von richtigen Vorhersagen.

Darüber hinaus haben die Forscher die Studie konzipiert AI-Modell, zunächst sehr kleine Flecken die volle Auflösung Bild einzeln erstellen einer heat-map, die ein statistisches Bild der Krankheit, die Wahrscheinlichkeit. Dann das Programm berücksichtigt die gesamte Brust für strukturelle Merkmale im Zusammenhang mit Krebs, zahlen mehr Aufmerksamkeit auf die Bereiche gekennzeichnet, die in der pixel-Ebene heat-map.

Anstatt haben die Forscher identifizieren, die Bild-features für Ihre AI zu suchen, das tool ist zu entdecken, auf seine eigene, die image-Funktionen verbessern die Vorhersagegenauigkeit. Voran, das team plant zur weiteren Steigerung dieser Genauigkeit durch die Ausbildung der AI-Programm auf mehr Daten, vielleicht sogar die Identifizierung von Veränderungen im Brustgewebe, die noch nicht bösartig, aber haben das Potenzial zu werden.