AI steigert die Krebs-Bildschirme, fast 100-prozentiger Genauigkeit
Krebsdiagnose wird genauer, mit Hilfe von künstlicher Intelligenz.
Pathologen haben Krankheiten in mehr oder weniger die gleiche Weise für den letzten 100 Jahren diagnostiziert, von arbeitenden über ein Mikroskop Biopsie Proben auf kleine Glas-Objektträger zu überprüfen. Fast einem Roboter arbeiten, Sichten sie Millionen von normalen Zellen, nur ein paar Kranke, zu identifizieren. Die Aufgabe ist mühsam und fehleranfällig.
Aber jetzt, Wissenschaftler und Ingenieure haben eine Technik, die künstliche Intelligenz (KI) verwendet und können fast sowie einem erstklassigen Pathologen Krebszellen von normalen Zellen unterscheiden. Ein Harvard-basierte Team demonstriert die AI-Methode im Rahmen eines Wettbewerbs bei der 2016 International Symposium der Biomedical Imaging in Prag, zeigt, wie es, mit 92 Prozent Genauigkeit, Krebszellen unter Proben von Gewebe Brustzellen lokalisieren konnte. Diese Genauigkeit war weit besser als die anderen AI-Methoden in der Konkurrenz, das Team erste Landeplatz.
Menschen + AI
Menschen haben immer noch die Nase vorn: Pathologen schlagen die Roboter in diesem Wettbewerb mit ihrer Fähigkeit zu 96 Prozent der Biopsie Proben mit Krebszellen identifizieren. [Super-intelligenten Maschinen: 7 Roboter Futures]
Aber die eigentliche Überraschung kam, als Pathologen mit dem Harvard-Team AI zusammengeschlossen wurden. Zusammen, die künstliche Intelligenz und gute, OLE-menschliche Intelligenz identifiziert 99,5 Prozent der krebsartigen Biopsien.
Während der Gedanke an vertrauensvolle Dr. Roboter mit Ihrer medizinischen Analyse ein bisschen beängstigend mag, sehen einige Wissenschaftler viel versprechend in AI-gestützte Arzt.
"Unsere leitende Hypothese ist, dass"AI plus Pathologe"Pathologe allein überlegen sein wird", sagte Dr. Andrew Beck, Beth Israel Deaconess Medical Center und Harvard Medical School in Boston, der die Schaffung der Siegerentwurf AI geführt. "Wenn wir und der größeren Forschungsgemeinschaft sind in der Lage zu zeigen, dass AI Werkzeug diagnostische Fehler reduziert, ich, Patienten, Ärzte, Gesundheitswesen-Zahler glaube und Gesundheitssysteme werden die Zugabe von AI-Tools in der klinischen Arbeitsablauf unterstützt werden," sagte er Leben Wissenschaft.
Warum Brustkrebs Krebszellen?
Der Wettbewerb im April lud AI Designs aus der ganzen Welt erstellt von privaten Unternehmen und akademischen Forschungseinrichtungen. Ziel war es, Interesse an der Schaffung genauere AI Methoden der Diagnose von Krankheiten zu fördern.
"Die Tatsache, dass Computer [in der April-Wettbewerb] fast vergleichbaren Leistung für den Menschen ist weit darüber hinaus, was ich erwartet hatte,", sagte Jeroen van der Laak der Radboud University Medical Center in den Niederlanden, die den Wettbewerb organisiert. "Es ist ein klarer Hinweis darauf, dass künstliche Intelligenz wird die Art und Weise zu gestalten, wir beschäftigen uns mit histopathologischen Bilder in kommenden Jahren." [Infografik: die Geschichte der künstlichen Intelligenz (KI)]
Organisatoren des Wettbewerbs wählten das Thema Brust Krebsfrüherkennung – genauer gesagt metastatischen Krebszellen im Sentinel-Lymphknoten-Biopsie — als ein Real-World-Test ein wichtiges gesundheitspolitisches Thema. Unter US-Frauen ist Brustkrebs die zweithäufigste Art von Krebs (nach Hautkrebs) und die zweite tödlichsten Form von Krebs (nach Lungenkrebs), nach der Centers for Disease Control and Prevention.
Eine Sentinel-Lymphknoten-Biopsie ist ein chirurgischer Eingriff, bei dem eine Probe des Gewebes von Sentinel-Node, der erste in einer Gruppe von Lymphknoten oder Drüsen, wo Krebszellen ausbreiten könnte, nach dem Ausscheiden aus der original-Website entfernt wird. Eine multizentrische Studie im Jahr 2003 in der Zeitschrift der American College of Surgeons veröffentlicht festgestellt, dass diese Biopsien, benutzten traditionelle menschliche Analyse 96 Prozent korrekt, mit einer falsch-Negative Rate von 8 Prozent.
Da Krebs Chirurgen auf die Biopsien setzen zu entscheiden, welche Gewebe zu entfernen oder lassen Sie, oft in dem Moment, was, den Krebs beginnt ist sich auszubreiten, ist Genauigkeit in der Biopsie-Analyse entscheidend.
Maschinen, die lernen
Gruppe "Becks" verwendet einen Prozess namens "deep Learning", einen Computer, um besser zu erkennen, wie Krebszellen Aussehen im Wesentlichen zu lehren. Dieser Prozess ist eine lernfähige Algorithmus verwendet in den Anwendungen wie Spracherkennung; Es macht das System genauer bei jeder Benutzung. In Vorbereitung auf den Wettbewerb gefüttert Becks Gruppe Computer Tausende von Bildern von Krebszellen.
Das Team identifiziert Beispiele, für die der Computer war anfällig für einen Fehler bei der Identifizierung von Krebs machen und den Computer mit größerer Zahl schwieriger Beispiele umgeschult.
Die Entwicklung von solchen automatisierte Diagnose sagte ein Ziel für die AI-Feld für die letzten 30 Jahre als Computer mehr alltäglich in Labors wurde, Beck. Aber erst vor kurzem hat das Feld gesehen die Verbesserungen beim Scannen, Speicher, Rechenleistung und Algorithmen notwendig, dies möglich zu machen.
Keine Sorge, Pathologen wird nicht verblassen. Beck sagte, dass das Feld entwickeln wird, um neue Fähigkeiten zu übernehmen. Fallstricke zu vermeiden mit AI gehören beispielsweise ein System, dass routinemäßig vermisst eine besonders seltene Form von Krebs die AI noch nicht zuvor gesehen oder, die routinemäßig durch ein Artefakt in der Biopsie Bild abgeworfen wird, er sagte. Menschen werden benötigt, um kontinuierlich die Roboter zu unterrichten.
Becks-Team besteht aus Postdocs in seinem Harvard Labor Dayong Wang und Humayun Irshad, zusammen mit Harvard graduate Student Rishabh Gargya und MIT Forscher Aditya Khosla. Ein technischer Bericht beschreibt diese Arbeit veröffentlicht wurde gestern (20. Juni) auf der frei zugänglichen e-Print Archiv arXiv.org.
Folgen Sie Christopher Wanjek @wanjek f oder täglichen Tweets über Gesundheit und Wissenschaft mit einem humorvollen Rand. Wanjek ist der Autor von "Food at Work" und "Schlechte Medizin." Seine Kolumne, schlechte Medizin, tritt regelmäßig auf Leben Wissenschaft.