Kunstig intelligens bedre enn mennesker til å oppdage lungekreft
Forskere har brukt en dyplæringsalgoritme for å oppdage lungekreft nøyaktig fra datatomografisk skanning. Resultatene av studien indikerer at kunstig intelligens kan overgå menneskelig evaluering av disse skanningene.
Lungekreft forårsaker nesten 160 000 dødsfall i USA, ifølge de siste estimatene. Tilstanden er den viktigste årsaken til kreftrelatert død i USA, og tidlig påvisning er avgjørende for både å stoppe spredningen av svulster og forbedre pasientens resultater.
Som et alternativ til røntgenstråler fra brystet, har helsepersonell nylig brukt CT-skanning for å skjerme for lungekreft.
Faktisk hevder noen forskere at CT-skanninger er overlegne røntgen for påvisning av lungekreft, og forskning har vist at særlig lavdose-CT (LDCT) har redusert lungekreftdødsfall med 20%.
Imidlertid er det en høy grad av falske positive og falske negativer som fremmer LDCT-prosedyren. Disse feilene forsinker vanligvis diagnosen lungekreft til sykdommen har nådd et avansert stadium når det blir for vanskelig å behandle.
Ny forskning kan beskytte mot disse feilene. En gruppe forskere har brukt kunstig intelligens (AI) teknikker for å oppdage lungesvulster i LDCT-skanninger.
Daniel Tse, fra Google Health Research-gruppen i Mountain View, CA, er den tilsvarende forfatteren av studien, hvis funn vises i tidsskriftet Naturmedisin.
'Model overgikk alle seks radiologer'
Tse og kollegaer brukte en form for AI som kalles dyp læring på 42.290 LDCT-skanninger, som de fikk tilgang til fra Northwestern Electronic Data Warehouse og andre datakilder som tilhører Northwestern Medicine-sykehusene i Chicago, IL.
Dyplæringsalgoritmen lar datamaskiner lære ved eksempel. I dette tilfellet trente forskerne systemet ved hjelp av en primær LDCT-skanning sammen med en tidligere LDCT-skanning, hvis den var tilgjengelig.
Tidligere LDCT-skanninger er nyttige fordi de kan avsløre en unormal vekstrate for lungeknuter, og indikerer dermed malignitet.
I den nåværende studien ga AI et “automatisert bildevalueringssystem” som nøyaktig forutsa maligniteten til lungeknuter uten menneskelig inngripen.
Forskerne sammenlignet AIs evalueringer med de fra seks styresertifiserte amerikanske radiologer som hadde opptil 20 års klinisk erfaring.
Når tidligere LDCT-skanninger ikke var tilgjengelige, overgikk AI “-modellen alle seks radiologer med absolutte reduksjoner på 11% i falske positive og 5% i falske negativer,” rapporterer Tse og kolleger. Da tidligere bildebehandling var tilgjengelig, utførte AI like bra som radiologene.
Studie medforfatter Dr. Mozziyar Etemadi, en forskningsassistent professor i anestesiologi ved Northwestern University Feinberg School of Medicine i Chicago, forklarer hvorfor AI kan overgå menneskelig evaluering.
"Radiologer undersøker vanligvis hundrevis av 2D-bilder eller" skiver "i en enkelt CT-skanning, men dette nye maskinlæringssystemet ser lungene i et stort, enkelt 3D-bilde," sier Dr. Etemadi.
“AI i 3D kan være mye mer følsom når det gjelder å oppdage tidlig lungekreft enn det menneskelige øyet ser på 2D-bilder. Dette er teknisk '4D' fordi det ikke bare ser på en CT-skanning, men to (gjeldende og tidligere skanning) over tid. "
Dr. Mozziyar Etemadi
"For å bygge AI for å se CT-ene på denne måten, trenger du et enormt datasystem av Google-skala," fortsetter han. "Konseptet er nytt, men selve konstruksjonen av det er også nytt på grunn av omfanget."
Dr. Etemadi fortsetter å prise fordelene ved å bruke dyplæringsteknologi, og understreker dens presisjon. "Systemet kan kategorisere en lesjon med mer spesifisitet," sier forskeren.
"Ikke bare kan vi bedre diagnostisere noen med kreft, vi kan også si om noen ikke har kreft, og potensielt redde dem fra en invasiv, kostbar og risikabel lungebiopsi," avslutter Dr. Etemadi.
Forskerne advarer imidlertid om at det først er nødvendig å validere disse resultatene i større årskull.
