Може ли изкуственият интелект да бъде бъдещето на диагнозата рак?
В скорошно проучване изследователите обучават алгоритъм за разграничаване на злокачествени и доброкачествени лезии при сканиране на гръдна тъкан.
При рака ключът към успешното лечение е да го хванете рано.
В настоящия си вид лекарите имат достъп до висококачествени образи и опитни рентгенолози могат да забележат издайническите признаци на необичаен растеж.
След като бъде идентифицирана, следващата стъпка е лекарите да установят дали растежът е доброкачествен или злокачествен.
Най-надеждният метод е да се направи биопсия, която е инвазивна процедура.
Дори и тогава могат да възникнат грешки. Някои хора получават диагноза рак, когато няма заболяване, докато други не получават диагноза, когато ракът е налице.
И двата изхода причиняват стрес, а последната ситуация може да доведе до забавяне на лечението.
Изследователите искат да подобрят процеса на диагностика, за да избегнат тези проблеми. Откриването дали лезията е злокачествена или доброкачествена по-надеждно и без необходимост от биопсия би променило играта.
Някои учени изследват потенциала на изкуствения интелект (ИИ). В скорошно проучване учените обучиха алгоритъм с обнадеждаващи резултати.
AI и еластография
Ултразвуковата еластография е сравнително нова диагностична техника, която тества сковаността на гръдната тъкан. Постига това чрез вибриране на тъканта, което създава вълна. Тази вълна причинява изкривяване при ултразвуковото сканиране, подчертавайки областите на гърдата, където свойствата се различават от околната тъкан.
От тази информация е възможно лекар да определи дали лезията е ракова или доброкачествена.
Въпреки че този метод има голям потенциал, анализът на резултатите от еластографията отнема много време, включва няколко стъпки и изисква решаване на сложни проблеми.
Наскоро група изследователи от Висшето инженерно училище в Университета на Южна Калифорния в Лос Анджелис попитаха дали алгоритъм може да намали стъпките, необходими за извличане на информация от тези изображения. Те публикуваха резултатите си в списанието Компютърни методи в приложната механика и инженерство.
Изследователите искаха да видят дали могат да обучат алгоритъм за разграничаване на злокачествени и доброкачествени лезии при сканиране на гърдите. Интересното е, че те се опитаха да постигнат това чрез обучение на алгоритъма, използвайки синтетични данни, а не истински сканирания.
Синтетични данни
На въпрос защо екипът е използвал синтетични данни, водещият автор проф. Асад Оберай казва, че това се свежда до наличието на реални данни. Той обяснява, че „в случай на медицински изображения имате късмет, ако имате 1000 изображения. В ситуации като тази, когато данните са оскъдни, тези видове техники стават важни. "
Изследователите са обучили своя алгоритъм за машинно обучение, който те наричат дълбока конволюционна невронна мрежа, използвайки над 12 000 синтетични изображения.
В края на процеса алгоритъмът е 100% точен за синтетични изображения; След това преминаха към сканиране в реалния живот. Те имаха достъп само до 10 сканирания: половината от които показаха злокачествени лезии, а другата половина - доброкачествени лезии.
„Имахме около 80% точност. След това продължаваме да усъвършенстваме алгоритъма, като използваме повече изображения от реалния свят като входове. "
Проф. Асад Оберай
Въпреки че 80% са добри, това не е достатъчно добро - това обаче е само началото на процеса. Авторите вярват, че ако са обучили алгоритъма върху реални данни, той може да е показал подобрена точност. Изследователите също така признават, че техният тест е твърде малък, за да предскаже бъдещите възможности на системата.
Растежът на AI
През последните години нараства интересът към използването на ИИ в диагностиката. Както пише един автор:
„AI се прилага успешно за анализ на изображения в рентгенологията, патологията и дерматологията, с превишаване на диагностичната скорост и успоредна точност на медицинските експерти.“
Проф. Оберай обаче не вярва, че ИИ някога може да замени обучен човешки оператор. Той обяснява, че „[общият консенсус е, че тези видове алгоритми играят значителна роля, включително от специалисти по обработка на изображения, на които това ще повлияе най-много. Тези алгоритми обаче ще бъдат най-полезни, когато не служат като черни кутии. Какво видя това, което го доведе до окончателното заключение? Алгоритъмът трябва да бъде обясним, за да работи по предназначение. "
Изследователите се надяват, че ще могат да разширят своя нов метод за диагностика на други видове рак. Навсякъде, където туморът расте, той променя физическото поведение на тъканта. Трябва да е възможно да се набележат тези разлики и да се обучи алгоритъм, който да ги забележи.
Тъй като обаче всеки тип рак взаимодейства със заобикалящата го среда по различен начин, алгоритъм ще трябва да преодолее редица проблеми за всеки тип. Вече проф. Оберай работи върху CT сканиране на рак на бъбреците, за да намери начини, по които AI може да подпомогне диагностиката там.
Въпреки че това са ранни дни за използването на ИИ при диагностициране на рак, има големи надежди за бъдещето.
