Poate inteligența artificială să fie viitorul diagnosticului de cancer?
Într-un studiu recent, cercetătorii au instruit un algoritm pentru a face diferența între leziunile maligne și benigne în scanările țesutului mamar.
Cu cancerul, cheia unui tratament de succes este prinderea acestuia devreme.
În starea actuală, medicii au acces la imagini de înaltă calitate, iar radiologii calificați pot observa semnele revelatoare ale creșterii anormale.
Odată identificat, următorul pas este ca medicii să verifice dacă creșterea este benignă sau malignă.
Cea mai fiabilă metodă este de a face o biopsie, care este o procedură invazivă.
Chiar și atunci pot apărea erori. Unele persoane primesc un diagnostic de cancer în cazul în care nu există boală, în timp ce altele nu primesc un diagnostic atunci când este prezent cancerul.
Ambele rezultate provoacă suferință, iar ultima situație poate provoca întârzieri în tratament.
Cercetătorii sunt dornici să îmbunătățească procesul de diagnosticare pentru a evita aceste probleme. Detectarea dacă o leziune este malignă sau benignă mai fiabilă și fără a fi necesară o biopsie ar fi un schimbător de joc.
Unii oameni de știință investighează potențialul inteligenței artificiale (AI). Într-un studiu recent, oamenii de știință au instruit un algoritm cu rezultate încurajatoare.
AI și elastografie
Elastografia cu ultrasunete este o tehnică de diagnostic relativ nouă care testează rigiditatea țesutului mamar. Acesta realizează acest lucru prin vibrarea țesutului, care creează o undă. Această undă provoacă distorsiuni în ultrasunete, evidențiind zonele sânului în care proprietățile diferă de țesutul înconjurător.
Din aceste informații, este posibil ca un medic să stabilească dacă o leziune este canceroasă sau benignă.
Deși această metodă are un mare potențial, analiza rezultatelor elastografiei necesită mult timp, implică mai mulți pași și necesită rezolvarea unor probleme complexe.
Recent, un grup de cercetători de la Școala de Inginerie Viterbi de la Universitatea din California de Sud din Los Angeles a întrebat dacă un algoritm ar putea reduce pașii necesari pentru a extrage informații din aceste imagini. Ei și-au publicat rezultatele în jurnal Metode computerizate în mecanică și inginerie aplicată.
Cercetătorii au dorit să vadă dacă pot antrena un algoritm pentru a face diferența între leziunile maligne și benigne în scanările mamare. Interesant este că au încercat să realizeze acest lucru antrenând algoritmul folosind mai degrabă date sintetice decât scanări autentice.
Date sintetice
Când a fost întrebat de ce echipa a folosit date sintetice, autorul principal, Prof. Assad Oberai, spune că se reduce la disponibilitatea datelor din lumea reală. El explică faptul că „în cazul imagisticii medicale, ai noroc dacă ai 1.000 de imagini. În astfel de situații, în care datele sunt rare, aceste tipuri de tehnici devin importante. ”
Cercetătorii și-au instruit algoritmul de învățare automată, la care se referă ca o rețea neuronală convoluțională profundă, folosind mai mult de 12.000 de imagini sintetice.
Până la sfârșitul procesului, algoritmul era 100% precis pe imaginile sintetice; apoi, au trecut la scanările din viața reală. Au avut acces la doar 10 scanări: jumătate dintre acestea au prezentat leziuni maligne și cealaltă jumătate au reprezentat leziuni benigne.
„Am avut o rată de precizie de aproximativ 80%. Apoi, continuăm să rafinăm algoritmul folosind mai multe imagini din lumea reală ca intrări. ”
Prof. Assad Oberai
Deși 80% este bun, nu este suficient de bun - totuși, acesta este doar începutul procesului. Autorii cred că, dacă ar fi antrenat algoritmul pe date reale, s-ar fi putut dovedi o precizie îmbunătățită. Cercetătorii recunosc, de asemenea, că testul lor a fost la scară prea mică pentru a prezice capacitățile viitoare ale sistemului.
Creșterea AI
În ultimii ani, a existat un interes din ce în ce mai mare pentru utilizarea IA în diagnosticare. După cum scrie un autor:
„AI este aplicat cu succes pentru analiza imaginii în radiologie, patologie și dermatologie, cu o viteză de diagnostic care depășește și o precizie paralelă cu experții medicali.”
Cu toate acestea, prof. Oberai nu crede că AI poate înlocui vreodată un operator uman instruit. El explică că „[consensul general este că aceste tipuri de algoritmi au un rol semnificativ de jucat, inclusiv de la profesioniștii în imagistică pe care îi va avea cel mai mult impact. Cu toate acestea, acești algoritmi vor fi cei mai utili atunci când nu servesc drept cutii negre. Ce a văzut care l-a condus la concluzia finală? Algoritmul trebuie să poată fi explicat pentru ca acesta să funcționeze conform intenției. ”
Cercetătorii speră că își pot extinde noua metodă pentru a diagnostica alte tipuri de cancer. Oriunde crește o tumoare, schimbă modul în care un țesut se comportă, fizic. Ar trebui să fie posibilă graficarea acestor diferențe și instruirea unui algoritm care să le identifice.
Cu toate acestea, deoarece fiecare tip de cancer interacționează cu mediul înconjurător atât de diferit, un algoritm va trebui să depășească o serie de probleme pentru fiecare tip. Deja, prof. Oberai lucrează la scanarea CT a cancerului renal pentru a găsi modalități prin care AI ar putea ajuta diagnosticul acolo.
Deși acestea sunt primele zile pentru utilizarea IA în diagnosticul cancerului, există speranțe mari pentru viitor.
