Rumo à assistência médica com suporte à IA
Aprendizado profundo define câncer e diagnóstico laboratorial
No Ocidente, o câncer de pulmão é o tipo mais fatal de câncer. Os especialistas em diagnóstico laboratorial examinam amostras de tecido sob um microscópio e as classificam para determinar o estágio de desenvolvimento do tumor e prescrever o tratamento. Em cada caso, o câncer é único à sua maneira, portanto, interpretar a droga pode ser uma tarefa difícil. Extremamente difícil. A inteligência artificial pode vir em socorro?
Sim sim e ...
Meu irmão John Batson Sherlock da BBC
Aprendizagem profunda
Recentemente, surgiu uma técnica de análise de imagem entre as tecnologias de aprendizado profundo, trazendo grandes mudanças para o campo da visão computacional. Ele identifica automaticamente recursos exclusivos de imagem e é chamado de rede neural convolucional (SNA). Para o reconhecimento automático de imagens exclusivas em imagens de rede, eles usam uma abordagem usando processamento de dados e realizam esse trabalho melhor do que uma pessoa, se usarmos os bancos de dados ImageNet e CIFAR-10 marcados manualmente como referência. Se você usar um grande número de imagens virtuais de medicamentos com os comentários de especialistas, o SNA poderá ser ensinado a classificar vários tipos de câncer de pulmão de acordo com as imagens, facilitando assim o processo de detecção e classificação de adenocarcinoma de pulmão.
Janela deslizante modelo para classificar imagens virtuais de preparações pulmonares
Criando AI
Cientistas do Hassanpour Lab da Geisel School of Medicine em Dartmouth publicaram um artigo científico na Nature Scientific Reports , que falou sobre uma rede neural que pode classificar os subtipos histológicos do câncer de pulmão: rastejando, acinar, papilar, micropapilar e sólido. O modelo foi treinado em mais de 4.000 slides virtuais comentados e ajustado usando um conjunto de amostras clássicas para cada tipo de característica. O modelo treinado teve bom desempenho nessas amostras clássicas: com uma área sob a curva da característica operacional maior ou igual a 0,97 para todas as categorias.
Indicador de desempenho de IA para amostras clássicas de câncer de pulmão
AI vs especialistas?
Para comparar o trabalho dessa IA e dos especialistas em diagnóstico laboratorial, os cientistas mediram seu desempenho em testes independentes. O modelo de aprendizagem profunda e três médicos classificaram 143 imagens virtuais completas de medicamentos com casos reais. De acordo com o coeficiente Kappa e dois indicadores de concordância, o modelo que eles treinaram contornou os médicos de diagnóstico em todos os aspectos, conforme mostrado nesta tabela no relatório:
Tabela 2: Comparação de especialistas e nosso modelo na classificação dos subtipos predominantes em 143 imagens virtuais completas de medicamentos. Bom acordo (R. Acordo) significa o consentimento do comentarista com pelo menos dois dos outros três. 95% dos intervalos de confiança são mostrados entre parênteses.
Para fazer uma comparação, os tipos de características detectados pelo modelo foram apresentados graficamente slide a slide, juntamente com especialistas comentados em várias imagens selecionadas. As correspondências são muito precisas:
Visualização do quadro histológico, comentado por especialistas ((Ai-iv) em comparação com aqueles que determinaram o modelo de aprendizado profundo (Bi-iv)).
O que isso significa?
O aprendizado profundo tornou-se um método extremamente poderoso que pode funcionar em pé de igualdade com uma pessoa, mesmo na solução de problemas complexos, como a análise de imagens médicas. Um classificador de câncer de pulmão baseado em algoritmos de aprendizado profundo pode dividir os pacientes em grupos e priorizar casos para análise médica. Também poderia servir como uma segunda opinião em casos com imagens obscuras. Embora esses métodos no futuro possam automatizar a parte demorada do trabalho do especialista, ainda há muito a ser feito antes que possam ser utilizados na prática. Esse modelo precisa ser testado em muitos bancos de dados de diferentes organizações. Sua adequação deve ser confirmada por ensaios clínicos. É provável que um sistema automatizado substitua os especialistas em diagnóstico laboratorial? Talvez uma vez, mas não em breve. Todos os sistemas de IA devem ser exaustivamente testados em um ambiente clínico para que médicos, pacientes e a comunidade médica possam confiar neles.
Criar algoritmos de IA para a saúde é como escalar uma montanha alta. Podemos estar no meio do caminho, mas ainda há um longo caminho pela frente, e isso não se torna mais fácil.
O código para classificar uma varredura com histopatologia pulmonar está disponível publicamente no Github .