Sztuczna inteligencja lepiej niż ludzie wykrywa raka płuc
Naukowcy wykorzystali algorytm uczenia głębokiego do dokładnego wykrywania raka płuc na podstawie skanów tomografii komputerowej. Wyniki badania wskazują, że sztuczna inteligencja może przewyższać ludzką ocenę tych skanów.
Według najnowszych szacunków rak płuc jest przyczyną prawie 160 000 zgonów w Stanach Zjednoczonych. Stan ten jest główną przyczyną zgonów związanych z rakiem w Stanach Zjednoczonych, a wczesne wykrycie ma kluczowe znaczenie zarówno dla zatrzymania rozprzestrzeniania się nowotworów, jak i poprawy wyników leczenia.
Jako alternatywę dla prześwietlenia klatki piersiowej, pracownicy służby zdrowia od niedawna używają tomografii komputerowej (TK) do badań przesiewowych w kierunku raka płuc.
W rzeczywistości niektórzy naukowcy twierdzą, że skany CT są lepsze od promieni rentgenowskich w wykrywaniu raka płuca, a badania wykazały, że zwłaszcza niskodawkowa CT (LDCT) zmniejszyła liczbę zgonów z powodu raka płuc o 20%.
Jednak wysoki odsetek fałszywie pozytywnych i fałszywie negatywnych wyników wciąż stanowi problem dla procedury NDTT. Błędy te zazwyczaj opóźniają rozpoznanie raka płuca, aż choroba osiągnie zaawansowany etap, kiedy leczenie staje się zbyt trudne.
Nowe badania mogą uchronić przed tymi błędami. Grupa naukowców wykorzystała techniki sztucznej inteligencji (AI) do wykrywania guzów płuc w skanach LDCT.
Daniel Tse z grupy Google Health Research w Mountain View w Kalifornii jest autorem korespondencyjnym badania, którego wyniki zostały opublikowane w czasopiśmie Nature Medicine.
„Model uzyskał lepsze wyniki niż wszystkich sześciu radiologów”
Tse i współpracownicy zastosowali formę sztucznej inteligencji zwaną głębokim uczeniem się do 42290 skanów LDCT, do których uzyskali dostęp z Northwestern Electronic Data Warehouse i innych źródeł danych należących do szpitali Northwestern Medicine w Chicago w stanie Illinois.
Algorytm uczenia głębokiego umożliwia komputerom uczenie się na przykładach. W tym przypadku badacze wyszkolili system przy użyciu pierwotnego skanu LDCT wraz z wcześniejszym skanem LDCT, jeśli był dostępny.
Wcześniejsze skany NDTK są przydatne, ponieważ mogą ujawnić nieprawidłowe tempo wzrostu guzków w płucach, co wskazuje na złośliwość.
W obecnym badaniu sztuczna inteligencja dostarczyła „zautomatyzowany system oceny obrazu”, który dokładnie przewidywał złośliwość guzków płucnych bez jakiejkolwiek interwencji człowieka.
Naukowcy porównali oceny AI z ocenami sześciu certyfikowanych przez komisję radiologów amerykańskich, którzy mieli do 20 lat doświadczenia klinicznego.
Kiedy wcześniejsze skany LDCT nie były dostępne, model AI „przewyższał wszystkich sześciu radiologów, wykazując bezwzględną redukcję wyników fałszywie dodatnich o 11% i fałszywie negatywnych o 5%” - donoszą Tse i współpracownicy. Kiedy dostępne było poprzednie obrazowanie, sztuczna inteligencja działała równie dobrze jak radiolodzy.
Współautor badania, dr Mozziyar Etemadi, asystent profesora anestezjologii na Northwestern University Feinberg School of Medicine w Chicago, wyjaśnia, dlaczego sztuczna inteligencja może przewyższać ludzką ocenę.
„Radiolodzy na ogół badają setki obrazów 2D lub„ wycinków ”w jednym skanie CT, ale ten nowy system uczenia maszynowego wyświetla płuca na ogromnym, pojedynczym obrazie 3D” - mówi dr Etemadi.
„Sztuczna inteligencja w 3D może być znacznie bardziej czuła pod względem zdolności wykrywania wczesnego raka płuc niż ludzkie oko oglądające obrazy 2D. Jest to technicznie „4D”, ponieważ nie tylko patrzy na jeden skan CT, ale na dwa (bieżący i poprzedni skan) w czasie. ”
Dr Mozziyar Etemadi
„Aby zbudować sztuczną inteligencję do przeglądania CT w ten sposób, potrzebujesz ogromnego systemu komputerowego na skalę Google” - kontynuuje. „Pomysł jest nowatorski, ale rzeczywista inżynieria jest również nowatorska ze względu na skalę”.
Dr Etemadi kontynuuje wychwalanie korzyści płynących z zastosowania technologii głębokiego uczenia, podkreślając jej precyzję. „System może kategoryzować zmianę z większą precyzją” - mówi badacz.
„Nie tylko możemy lepiej zdiagnozować kogoś z rakiem, ale możemy również powiedzieć, że ktoś nie ma raka, potencjalnie chroniąc go przed inwazyjną, kosztowną i ryzykowną biopsją płuc” - podsumowuje dr Etemadi.
Naukowcy ostrzegają jednak, że najpierw należy zweryfikować te wyniki w większych kohortach.
