Forscher der Sanford University haben
einen selbstlernenden Algorithmus entwickelt , mit dem medizinische Bilder diagnostiziert werden können (Röntgenaufnahme des Brustkorbs). Diese Softwareplattform ist nur auf Lungenentzündung spezialisiert, erfüllt ihre Aufgabe jedoch besser als professionelle
Radiologen .
Lungenentzündung ist anders, und das neuronale Netzwerk wird durch 14 seiner Sorten durch Röntgenstrahlen unterschieden. Wissenschaftler haben die Ergebnisse ihrer Arbeit öffentlich
auf arXiv veröffentlicht . „Die Analyse medizinischer Bilder ist eine schwierige Aufgabe, und wir wissen davon“, sagt einer der Entwickler der Softwareplattform. "Wir haben uns entschlossen, selbstlernende Algorithmen zu entwickeln, indem wir ein" Training "durchgeführt haben, das auf Hunderttausenden von medizinischen Bildern basiert."
Diese Arbeit verwendet einen Datensatz, der vom NIH Clinical Center bereitgestellt wird. Dies ist eine riesige Datenbank, die mehr als 112.000 Frontalbilder der menschlichen Brust enthält, die mittels Fluoroskopie aufgenommen wurden. In diesen Bildern können 14 verschiedene Pathologien unterschieden werden. Diese Informationen ermöglichten es, die Softwareplattform für die Diagnose dieser Pathologien zu „trainieren“.
Nach Abschluss des Trainings beschlossen die Wissenschaftler zu überprüfen, wie gut das System eine Diagnose stellt. Nachdem die Maschine ihre Diagnose gestellt hatte, baten die Forscher die Ärzte, dasselbe zu tun. Die Ärzte analysierten 420 Bilder und stellten für jedes ihre eigenen Diagnosen. Wie sich herausstellte, konnte das Computersystem eine Lungenentzündung genauer diagnostizieren als der Mensch.
Lungenentzündung ist eine gefährliche und häufige Krankheit. Allein in den Vereinigten Staaten gehen mit einer Lungenentzündung jedes Jahr etwa 1 Million Menschen in Krankenhäuser. Einige Pathologien sind auf Röntgenstrahlen äußerst schwer zu erkennen - zu implizite Anzeichen bei einigen Arten dieser Krankheit. Gleichzeitig kann maschinelles Lernen Ärzten helfen, mit diesem Problem umzugehen.
Die Hauptgefahr für den Patienten besteht hier darin, dass, wenn der Arzt nicht richtig diagnostiziert, dies zur Ernennung einer unsachgemäßen Behandlung führen kann. Infolgedessen wird der Patient behandelt, sein Zustand verschlechtert sich jedoch. Die Situation wird durch die Tatsache verschärft, dass Ärzte täglich Hunderte solcher Bilder analysieren müssen, wodurch die Aufmerksamkeit nachlässt. Und die Maschine kann, vorbehaltlich ihres Qualitätstrainings, praktisch fehlerfrei rund um die Uhr arbeiten. Darüber hinaus kann ein Computersystem die kleinsten Details auf dem Foto hervorheben, die für die korrekte Diagnose wichtig, für den Menschen jedoch unsichtbar sind.
Die Entwickler „lehrten“ ihr System, bei der Analyse von Bildern so etwas wie eine Wärmekarte des menschlichen Körpers zu erstellen. Nur anstatt die Temperatur anzuzeigen, sind Teile der Lunge in verschiedenen Farben markiert, wo die Maschine Anzeichen einer Lungenentzündung „sah“. Nach der Verarbeitung untersucht eine Person bereits die Bilder und achtet zunächst auf die Bereiche, die die Maschine als „heißeste“ markiert hat.
Forscher glauben, dass solche Systeme bald allgemein akzeptiert und verbreitet werden. „Wir werden weiterhin medizinische Algorithmen entwickeln und verbessern, mit denen Anomalien erkannt werden können. Wir hoffen auch, dass wir bald depersonalisierte medizinische Datensätze öffentlich zugänglich machen können, die von anderen Spezialisten verwendet werden können, die an ähnlichen oder anderen Problemen arbeiten “, sagte Jeremy Irwin, ein Vertreter der Forschungsgruppe.
Röntgenstrahlen in der Medizin sind die wichtigste Quelle für Gesundheitsinformationen von Patienten. Viele Ärzte sind einfach von solchen Bildern überwältigt. Nach mehrstündiger Arbeit mit ihnen nimmt die Konzentrationsfähigkeit des Arztes ab, die Aufmerksamkeit nimmt ab, daher ist die Fehlerwahrscheinlichkeit hoch. Die Automatisierung des Prozesses könnte zur Lösung des Problems beitragen, wodurch die Anzahl der medizinischen Fehler verringert würde.
Die Arbeit der Wissenschaftler ist nicht einzigartig. Inzwischen sind viele Startups und
große Unternehmen wie IBM und Google an ähnlichen Entwicklungen beteiligt. Zusätzlich zur Lungenentzündung können Computersysteme bereits Anzeichen von Tumoren,
Probleme des Herz-Kreislauf-Systems und andere Anomalien auf Röntgen- und anderen medizinischen Bildern erkennen.