نحو الرعاية الصحية بدعم من منظمة العفو الدولية
يعرّف التعلم العميق السرطان بأنه جيد مثل التشخيص المختبري
في الغرب ، يعد سرطان الرئة أكثر أنواع السرطان دموية. يقوم أخصائيو التشخيص المختبري بفحص عينات الأنسجة تحت المجهر وتصنيفها لتحديد مرحلة تطور الورم ووصف العلاج. في كل حالة ، يعتبر السرطان فريدًا بطريقته الخاصة ، لذلك يمكن أن يكون تفسير الدواء مهمة صعبة. صعبة للغاية. يمكن أن يأتي الذكاء الاصطناعي لإنقاذ؟
نعم نعم و ...
بلدي إخوانه جون باتسون شيرلوك من بي بي سي
التعلم العميق
في الآونة الأخيرة ، ظهرت تقنية تحليل الصور بين تقنيات التعلم العميق ، مما أدى إلى تغييرات كبيرة في مجال رؤية الكمبيوتر. يحدد تلقائيًا ميزات الصور الفريدة ويسمى شبكة عصبية تلافيفية (SNA). من أجل التعرف التلقائي على الصور الفريدة في صور الشبكة ، يستخدمون طريقة تستخدم معالجة البيانات وتؤدي هذا العمل بشكل أفضل من أي شخص إذا أخذنا قاعدتي ImageNet و CIFAR-10 المعلمتين يدويًا كمرجع. إذا كنت تستخدم عددًا كبيرًا من الصور الافتراضية للعقاقير مع تعليقات المتخصصين ، فيمكن تعليم نظام الحسابات القومية لتصنيف أنواع مختلفة من سرطان الرئة وفقًا للصور ، وبالتالي تسهيل عملية الكشف عن سرطان الغدد الرئوية وتصنيفه.
نافذة انزلاقية لتصنيف الصور الافتراضية لمستحضرات الرئة
خلق الذكاء الاصطناعى
نشر علماء من مختبر حسن بور في كلية طب جيزل في دارتموث مقالًا علميًا في مجلة Nature Scientific Reports ، تحدثوا عن شبكة عصبية يمكن أن تصنف الأنواع الفرعية النسيجيّة من سرطان الرئة: الزاحف ، الحطام ، الورم الحليمي ، والصلبة. تم تدريب النموذج على أكثر من 4000 شريحة افتراضية تم التعليق عليها وصقلها باستخدام مجموعة من العينات الكلاسيكية لكل نوع مميز. كان أداء النموذج المدرّب جيدًا على هذه العينات الكلاسيكية: مع وجود منطقة أسفل منحنى خاصية التشغيل أكبر من أو تساوي 0.97 لجميع الفئات.
مؤشر أداء منظمة العفو الدولية لعينات سرطان الرئة الكلاسيكية
منظمة العفو الدولية ضد المتخصصين؟
لمقارنة عمل أخصائي تشخيص الذكاء الاصطناعى وأخصائيي التشخيص المخبري ، قام العلماء بقياس أدائهم في اختبارات مستقلة نموذج التعلم العميق وثلاثة ممارسين طبيين قاموا بتصنيف 143 صورة افتراضية كاملة للعقاقير مع حالات حقيقية. وفقًا لمعامل Kappa ومؤشرين للاتفاق ، تجاوز النموذج الذي دربوه الأطباء التشخيصيين من جميع النواحي ، كما هو موضح في هذا الجدول من التقرير:
الجدول 2: مقارنة بين المتخصصين ونموذجنا في تصنيف الأنواع الفرعية السائدة في 143 صورة افتراضية كاملة للأدوية. اتفاق جيد (R. Agreement) يعني موافقة المعلق مع اثنين على الأقل من الثلاثة الآخرين. 95 ٪ من فواصل الثقة مبينة بين قوسين.
لإجراء مقارنة ، تم تقديم الأنواع المميزة التي تم اكتشافها بواسطة النموذج بيانياً شريحة تلو الأخرى ، مع تعليق الخبراء على عدد من الصور المحددة. المباريات دقيقة جدا:
تصور للصورة النسيجية ، علق من قبل المتخصصين ((منظمة العفو الدولية الرابع) بالمقارنة مع تلك التي حددت نموذج التعلم العميق (بي الرابع).
ماذا يعني هذا؟
أصبح التعلم العميق طريقة قوية للغاية يمكن أن تعمل على قدم المساواة مع شخص حتى عند حل المشاكل المعقدة مثل تحليل الصور الطبية. يمكن لمصنف سرطان الرئة القائم على خوارزميات التعلم العميق تقسيم المرضى إلى مجموعات وتحديد أولويات الحالات للتحليل الطبي. يمكن أن يكون أيضا بمثابة رأي ثان في الحالات التي تحتوي على صور غامضة. على الرغم من أن هذه الطرق في المستقبل يمكنها أتمتة الجزء الذي يستغرق وقتًا طويلاً من عمل الأخصائي ، إلا أنه لا يزال هناك الكثير مما يجب عمله قبل استخدامها في الممارسة. يحتاج هذا النموذج إلى اختباره على العديد من قواعد البيانات من مؤسسات مختلفة. يجب تأكيد ملاءمتها من خلال التجارب السريرية. هل من المحتمل أن يحل النظام الآلي محل أخصائيي التشخيص المختبري؟ ربما مرة واحدة ، ولكن ليس في وقت قريب. يجب اختبار جميع أنظمة الذكاء الاصطناعى بدقة في بيئة سريرية قبل أن يثق بها الأطباء والمرضى والمجتمع الطبي.
إنشاء خوارزميات الذكاء الاصطناعى للرعاية الصحية يشبه تسلق الجبال العالية. يمكن أن نكون في منتصف الطريق ، لكن لا يزال أمامنا طريق طويل ، ولا يصبح الأمر أسهل.
رمز لتصنيف المسح الضوئي مع التشريح المرضي الرئة متاح للجمهور على جيثب .