Η Τεχνητή Νοημοσύνη (AI) κατάφερε να εντοπίσει μικρούς όγκους στους πνεύμονες σε πολύ πιο αρχικό στάδιο, σε σχέση με τους ακτινολόγους ιατρούς!
Η νέα μελέτη διενεργήθηκε από τη Google και τη ιατρική σχολή Northwestern Medicine συνέκρινε το σύστημα βαθιάς εκμάθησης (deep-learning) με τους ακτινολόγους και βρέθηκε ότι, στις περισσότερες συγκρίσεις, το μοντέλο εκτελείται ή είναι καλύτερο από τους ακτινολόγους.
Το σύστημα παρέχει ένα αυτοματοποιημένο σύστημα αξιολόγησης εικόνων για την ενίσχυση της ακρίβειας της έγκαιρης διάγνωσης του καρκίνου του πνεύμονα που θα μπορούσε να οδηγήσει σε έγκαιρη θεραπεία και είναι μια τεχνική που διδάσκει τους υπολογιστές να μαθαίνουν μέσω παραδείγματος.
Το σύστημα βαθιάς μάθησης έδωσε επίσης με ενδιαφέρον λιγότερα ψευδώς θετικά και λιγότερα ψευδώς αρνητικά, που σημαίνει ότι ήταν πιο αποτελεσματικό και θα μπορούσε να οδηγήσει σε λιγότερες περιττές διαδικασίες εξετάσεων και παρακολούθησης και λιγότερους χαμένους όγκους.
«Οι ακτινολόγοι εξετάζουν γενικά εκατοντάδες εικόνες 2 διαστάσεων ή «φέτες» σε μια μοναδική ανίχνευση αξονικής τομογραφίας, αλλά αυτό το νέο σύστημα μηχανικής μάθησης βλέπει τους πνεύμονες σε μια τεράστια, ενιαία τρισδιάστατη εικόνα», δήλωσε ο Δρ. Mozziyar Etemadi, επίκουρος καθηγητής αναισθησιολογίας στο Northwestern.
Ο καρκίνος του πνεύμονα είναι η πρώτη αιτία θανάτου σε πολλές χώρες. Η αξονική τομογραφία του θώρακα μπορεί να εντοπίσει τον καρκίνο και να μειώσει τα ποσοστά θανάτου, ωστόσο, τα υψηλά ποσοστά σφάλματος και η περιορισμένη πρόσβαση σε αυτές τις εξετάσεις, έχουν ως αποτέλεσμα πολλοί καρκίνοι του πνεύμονα να ανιχνεύονται συνήθως σε προχωρημένα στάδια, όταν είναι δύσκολο να αντιμετωπιστούν.
Η Τεχνητή Νοημοσύνη δοκιμάζεται διεθνώς σε διάφορες κλινικές συνθήκες, συγκρινόμενη με τις ικανότητες των ιατρών. Πριν από λίγες μέρες, άλλη μελέτη, που παρουσιάσαμε, έδειξε ότι η μηχανική μάθηση ξεπέρασε τους γιατρούς στην πρόβλεψη θανάτουή καρδιακής προσβολής.
Η μελέτη που παρουσιάστηκε στο συνέδριο International Conference on Nuclear Cardiology and Cardiac CT (ICNC). Περιλάμβανε 950 ασθενείς με πόνο στο στήθος, που υποβλήθηκαν στο συνηθισμένο πρωτόκολλο για τη στεφανιαία νόσο.
Τα δεδομένα τροφοδότησαν έναν ειδικό αλγόριθμο με την ονομασία LogitBoost, ο οποίος κατάφερε και προέβλεψε με ακρίβεια άνω του 90%,ποιοι ασθενείς είχαν κίνδυνο να πάθουν καρδιακή προσβολή ή να πεθάνουν.
Η μηχανική μάθηση χρησιμοποιείται πλέον καθημερινά. Η μηχανή αναζήτησης της Google, η αναγνώριση προσώπου στα smartphones, τα αυτοκίνητα με αυτόνομη οδήγηση, τα συστήματα των Netflix και Spotify χρησιμοποιούν αλγόριθμους μηχανικής μάθησης για να προσαρμοστούν στις ανάγκες και προτιμήσεις κάθε χρήστη.
Δευθυντής Σύνταξης, virus.com.gr & Pharma Health Business magazine
Η ηλ. διεύθυνση σας δεν δημοσιεύεται. Τα υποχρεωτικά πεδία σημειώνονται με *
Δ