l’intelligence artificielle (AI) stimule les écrans de cancer à près de 100 pour cent de précision
Diagnostiquer le cancer est sur le point d'obtenir plus précis, avec l'aide de l'intelligence artificielle.
Les pathologistes ont diagnostiqué des maladies plus ou moins de la même façon pour les 100 dernières années, en travaillant sur un microscope d'examen des échantillons de biopsie sur les petites lames de verre. Travailler presque robotically, ils passent au crible par des millions de cellules normales pour identifier seulement quelques malades. La tâche est fastidieuse et sujette à des erreurs humaines.
Mais maintenant, les scientifiques et les ingénieurs ont créé une technique qui utilise l’intelligence artificielle (AI) et peut différencier les cellules cancéreuses des cellules normales presque ainsi qu'un pathologiste haut de gamme. Une équipe basée à Harvard a démontré la méthode AI dans le cadre d'un concours lors du Symposium international d'imagerie biomédicale 2016 à Prague, en montrant comment il pourrait identifier, avec 92 pour cent de précision, les cellules cancéreuses parmi les échantillons de cellules de tissu mammaire. Cette précision était beaucoup mieux que les autres méthodes d' IA dans la compétition, l'atterrissage de l'équipe première place.
Les humains + AI
Les humains ont toujours le bord: Pathologists battre les robots dans cette compétition avec leur capacité à identifier 96 pour cent des échantillons de biopsie avec des cellules cancéreuses.
Mais la vraie surprise est venue quand les pathologistes ont fait équipe avec l’IA de l'équipe de Harvard. Ensemble, l’intelligence artificielle et de la bonne, l’intelligence humaine ole identifiés 99,5 pour cent des biopsies cancéreuses.
Alors que la pensée de faire confiance Dr Robot avec votre analyse médicale peut sembler un peu effrayant, certains scientifiques voient de grandes promesses dans les services de médecin AI-assistée.
"Notre hypothèse est que le guidage 'AI, plus pathologiste» sera supérieur à pathologiste seul », a déclaré le Dr Andrew Beck, de Beth Israel Deaconess Medical Center et Harvard Medical School à Boston, qui a dirigé la création de la conception AI gagnante. «Si nous et la communauté de recherche plus vaste sommes en mesure de démontrer que l'utilisation d'outils AI réduit considérablement les erreurs de diagnostic, je crois que les patients, les médecins, les payeurs de soins de santé et les systèmes de santé seront en faveur de l'ajout d'outils AI dans le flux de travail clinique," il a dit à live science.
Pourquoi les cellules du cancer du sein?
Le concours, organisé en Avril, invité AI conçoit à travers le monde créé par des entreprises privées et des organismes de recherche universitaires. Le but était de stimuler l'intérêt pour la création de méthodes d'IA plus précises de diagnostic de la maladie.
"Le fait que les ordinateurs dans la compétition Avril] avaient des performances presque comparable à l’homme est bien au - delà de ce que je l’avais prévu», a déclaré Jeroen van der Laak du Centre médical de l’Université Radboud aux Pays - Bas, qui a organisé le concours. "Il est une indication claire que l’intelligence artificielle va façonner la façon dont nous traitons avec des images histopathologiques dans les années à venir."
Les organisateurs du concours ont choisi le thème de la détection du cancer du sein - plus spécifiquement, les cellules métastatiques de cancer dans sentinelles biopsies des ganglions lymphatiques - comme un test du monde réel d'un important problème de santé publique. Parmi les femmes américaines, le cancer du sein est le deuxième type le plus commun de cancer (après le cancer de la peau) et le deuxième type de cancer le plus meurtrier (après le cancer du poumon), selon les Centers for Disease Control and Prevention.
Une sentinelle biopsie du ganglion lymphatique est une intervention chirurgicale dans laquelle un échantillon de tissu est prélevé à partir d'un ganglion sentinelle, le premier dans un groupe de ganglions lymphatiques, ou les ganglions, où les cellules cancéreuses pourraient se propager après avoir quitté le site d'origine. Une étude multicentrique publiée en 2003 dans le Journal de l'American College of Surgeons a constaté que ces biopsies, en utilisant une analyse humaine traditionnelle, étaient de 96 pour cent exact, avec un taux de faux négatifs de 8 pour cent.
Parce que les chirurgiens de cancer comptent sur les biopsies de décider quel tissu à enlever ou laisser en place, souvent au moment même un cancer commence à se répandre, la précision dans l'analyse de la biopsie est cruciale.
Les machines qui apprennent
Le groupe de Beck a utilisé un processus appelé « apprentissage en profondeur » pour enseigner essentiellement un ordinateur afin de mieux reconnaître ce que les cellules cancéreuses ressemblent. Ce processus est un algorithme d’apprentissage automatique utilisé dans des applications telles que la reconnaissance de la parole; elle rend le système plus en plus précis à chaque utilisation. En préparation pour le concours, le groupe de Beck a nourri les milliers d'ordinateurs d'images de cellules cancéreuses.
Les exemples de l'équipe identifiés pour lesquels l'ordinateur était enclin à faire une erreur dans l'identification du cancer et recycler l'ordinateur en utilisant un plus grand nombre d'exemples plus difficiles.
Le développement de ces diagnostics automatisés a été un objectif pour le champ AI pour les 30 dernières années, que les ordinateurs sont devenus monnaie courante dans les laboratoires, Beck dit. Mais récemment a le champ vu les améliorations dans la numérisation, le stockage, la puissance de calcul et les algorithmes nécessaires pour rendre cela possible.
Ne vous inquiétez pas, les pathologistes ne seront pas en train de disparaître. Beck a déclaré que le champ évoluera à adopter de nouvelles compétences. Par exemple, les pièges à éviter avec AI comprennent un système qui manque régulièrement une forme rare de cancer particulier l'IA n'a pas vu avant ou qui est régulièrement secoué par un artefact dans l'image de biopsie, a-t-il dit. Les humains seront nécessaires pour enseigner en permanence les robots.
