Menuju perawatan kesehatan dengan dukungan AI
Pembelajaran mendalam mendefinisikan kanker dan diagnostik laboratorium
Di Barat, kanker paru-paru adalah jenis kanker paling mematikan. Spesialis diagnostik laboratorium memeriksa sampel jaringan di bawah mikroskop dan mengklasifikasikannya untuk menentukan tahap perkembangan tumor dan meresepkan perawatan. Dalam setiap kasus, kanker unik dengan caranya sendiri, sehingga menafsirkan obat bisa menjadi tugas yang sulit. Sangat sulit. Bisakah kecerdasan buatan membantu?
Ya, ya, dan ...
Teman saya John Batson Sherlock dari BBC
Pembelajaran yang mendalam
Baru-baru ini, teknik analisis gambar telah muncul di antara teknologi pembelajaran yang dalam, membawa perubahan besar pada bidang visi komputer. Secara otomatis mengidentifikasi fitur gambar yang unik dan disebut convolutional neural network (SNA). Untuk pengenalan otomatis gambar unik dalam gambar jaringan, mereka menggunakan pendekatan menggunakan pemrosesan data dan melakukan pekerjaan ini lebih baik daripada orang jika kita mengambil database ImageNet dan CIFAR-10 yang ditandai secara manual sebagai referensi. Jika Anda menggunakan sejumlah besar gambar virtual obat dengan komentar dari spesialis, SNA dapat diajarkan untuk mengklasifikasikan berbagai jenis kanker paru menurut gambar, dan dengan demikian memfasilitasi proses deteksi dan klasifikasi adenokarsinoma paru-paru.
Jendela geser model untuk mengklasifikasikan gambar virtual dari persiapan paru-paru
Membuat AI
Para ilmuwan dari Hassanpour Lab di Geisel School of Medicine di Dartmouth menerbitkan sebuah artikel ilmiah di Nature Scientific Reports , yang berbicara tentang jaringan saraf yang dapat mengklasifikasikan subtipe histologis kanker paru-paru: merayap, asinar, papiler, mikropapiler, dan padat. Model ini dilatih pada lebih dari 4.000 slide virtual yang dikomentari dan disempurnakan menggunakan satu set sampel klasik untuk setiap jenis karakteristik. Model terlatih tampil baik pada sampel klasik ini: dengan area di bawah kurva karakteristik operasi yang lebih besar atau sama dengan 0,97 untuk semua kategori.
Indikator kinerja AI untuk sampel kanker paru klasik
AI vs spesialis?
Untuk membandingkan kerja spesialis diagnostik AI dan laboratorium ini, para ilmuwan mengukur kinerja mereka dalam pengujian independen. Model pembelajaran yang mendalam dan tiga praktisi medis mengklasifikasikan 143 gambar virtual lengkap dari obat dengan kasus nyata. Menurut koefisien Kappa dan dua indikator kesepakatan, model yang mereka latih memintas dokter diagnostik dalam segala hal, seperti yang ditunjukkan dalam tabel ini dari laporan:
Tabel 2: Perbandingan spesialis dan model kami dalam klasifikasi subtipe yang ada di 143 gambar virtual lengkap obat. Perjanjian yang baik (Perjanjian R.) berarti persetujuan dari komentator dengan setidaknya dua dari tiga lainnya. 95% interval kepercayaan ditampilkan dalam tanda kurung.
Untuk membuat perbandingan, tipe karakteristik yang dideteksi oleh model disajikan secara grafis slide demi slide, bersama dengan para pakar mengomentari sejumlah gambar yang dipilih. Pertandingan sangat akurat:
Visualisasi gambar histologis, dikomentari oleh spesialis ((Ai-iv) dibandingkan dengan yang menentukan model pembelajaran mendalam (Bi-iv).
Apa artinya ini?
Pembelajaran mendalam telah menjadi metode yang sangat kuat yang dapat bekerja setara dengan seseorang bahkan ketika memecahkan masalah yang kompleks seperti analisis gambar medis. Klasifikasi kanker paru-paru berdasarkan algoritma pembelajaran yang mendalam dapat membagi pasien menjadi beberapa kelompok dan memprioritaskan kasus untuk analisis medis. Itu juga bisa berfungsi sebagai pendapat kedua dalam kasus dengan gambar yang tidak jelas. Meskipun metode ini di masa depan dapat mengotomatiskan bagian pekerjaan yang memakan waktu dari spesialis, masih banyak yang harus dilakukan sebelum mereka dapat digunakan dalam praktek. Model ini perlu diuji pada banyak database dari berbagai organisasi. Kesesuaiannya harus dikonfirmasi oleh uji klinis. Apakah mungkin sistem otomatis akan menggantikan spesialis diagnostik laboratorium? Mungkin sekali, tetapi tidak segera. Semua sistem AI harus diuji secara menyeluruh dalam pengaturan klinis sebelum dokter, pasien, dan komunitas medis dapat mempercayai mereka.
Membuat algoritma AI untuk perawatan kesehatan seperti mendaki gunung yang tinggi. Kita bisa setengah jalan, tetapi masih ada jalan panjang di depan, dan itu tidak menjadi lebih mudah.
Kode untuk mengklasifikasikan pemindaian dengan histopatologi paru tersedia untuk umum di Github .