Υγεία

Το AI Μπορεί Να Αντικαταστήσει την Ελλειπή των Ραδιολογών στην Μάχη κατά του Καρκίνου του Μαστού, Αλλά Δεν Είναι Έτοιμο Ακόμη

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Πρόσφατα, μια ομάδα ερευνητών από το Ιμπεριαλ Κολέγιο του Λονδίνου και την Google (GOOGL ) Health δημιούργησε ένα μοντέλο οπτικής αναγνώρισης που προορίζεται για την διάγνωση περιπτώσεων καρκίνου του μαστού από ακτίνες X. Όπως αναφέρει το CNN, το μοντέλο εκπαιδεύτηκε σε ακτίνες X περισσότερων από 29.000 γυναικών και, όταν συγκρίθηκε με έξι ραδιολόγους, το μοντέλο κατάφερε να ξεπεράσει τις αξιολογήσεις των γιατρών.

Σήμερα, το NHS χρησιμοποιεί τις συνδυασμένες αποφάσεις δύο γιατρών για τη διάγνωση του καρκίνου του μαστού από ακτίνες X. Αν οι δύο γιατροί διαφωνήσουν, θα καλεστεί ένας τρίτος για να συμβουλευτεί τις εικόνες. Ενώ οι γιατροί είχαν πρόσβαση στα ιατρικά αρχεία των ασθενών, η συσκευή AI είχε μόνο τις μαμμογραφίες για να βασίσει τις αποφάσεις της. Παρά αυτή τη limitation, το μοντέλο AI αποδείχθηκε τουλάχιστον τόσο καλό στη διάγνωση του καρκίνου του μαστού όσο και δύο γιατροί. Στην πραγματικότητα, το μοντέλο εκτέλεσε καλύτερα από έναν μόνο γιατρό στην ανίχνευση του καρκίνου του μαστού. Όταν συγκρίθηκαν οι ψευδείς θετικοί ρυθμοί μεταξύ του AI και των γιατρών, το AI μείωσε ελαφρώς τους ψευδείς θετικούς, sendo περίπου 1,2% πιο ακριβές γενικά. Σύμφωνα με τα αποτελέσματα της έρευνας, το AI μειώνει επίσης τους ψευδείς αρνητικούς ρυθμούς (όπου ένα πραγματικά θετικό περιστατικό καρκίνου χάνεται) κατά περίπου 2,7%.

Ένας από τους συγγραφείς του εγγράφου, ο Διευθυντής του Κέντρου Έρευνας Καρκίνου του Ιμπεριαλ Κολέγιο, Ara Darzi, εξήγησε ότι η ερευνητική ομάδα δεν περίμενε ότι το σύστημά τους θα παρέχει τόσο υψηλής ποιότητας αποτελέσματα. Ωστόσο, ο Darzi είναι ενθουσιασμένος με την πιθανότητα βελτίωσης της παραγωγικότητας και της ακρίβειας στην ανίχνευση του καρκίνου.

Ο καρκίνος του μαστού είναι η δεύτερη leading μορφή θανάτου από καρκίνο στις γυναίκες, αλλά τα αποτελέσματα μπορούν να βελτιωθούν δραματικά αν η νόσος διαγνωστεί νωρίς. Το ζήτημα είναι ότι, όπως αναφέρει η Αμερικανική Εταιρεία Καρκίνου, ακόμη και τα μεγάλης κλίμακας προγράμματα ανίχνευσης χάνουν περίπου ένα στα πέντε περιστατικά.

Γι’ αυτό το λόγο, η ερευνητική ομάδα είναι ελπιδοφόρα ότι το σύστημά τους μπορεί να βελτιωθεί και να ξεπεράσει ακόμη και τους καλύτερους κλινικούς. Η ερευνητική ομάδα δήλωσε επίσης ότι ο αλγόριθμος τους μπορεί να αντιμετωπίσει την έλλειψη ραδιολογών. Μια αναφορά που διεξήχθη από το Βασιλικό Κολέγιο Ραδιολογών βρήκε ότι στο Ηνωμένο Βασίλειο, θα υπάρξει μια έλλειψη σχεδόν 2.000 ραδιολογών μέχρι το 2023, trừ Ти το πρόβλημα δεν επιλυθεί.

Ωστόσο, ο Darzi παραδέχεται ότι σε αυτό το στάδιο το σύστημα δεν είναι έτοιμο να αντικαταστήσει τους ανθρώπους και να χρησιμοποιηθεί ως δευτερεύων ερμηνευτής. Τα εργαλεία AI στον τομέα της υγείας συχνά αποτυγχάνουν να εκπληρώσουν τις αρχικές τους υποσχέσεις, λόγω σύνθετων παραγόντων που δεν μπορούν να模ηθούν επαρκώς κατά την εκπαίδευση. Μια μεγάλη περιορισμός της μελέτης είναι ότι όλες οι εικόνες προέρχονται από ένα μόνο σύστημα μαμμογραφίας και οι εικόνες λείπουν από đa dạngότητα. Όπως αναφέρει το QZ, η ερευνητική ομάδα δεν είχε πρόσβαση σε λεπτομέρειες που θα μπορούσαν να χρησιμοποιηθούν για να καθορίσουν τη đa dạngότητα των εικόνων στη βάση δεδομένων, και因此 δεν είναι δυνατό να γνωρίζουμε αν το σύστημα ήταν ακόμη πολύ ακριβές όταν ζητήθηκε να εξετάσει ακτίνες X από μειονότητες. Υπάρχουν φυλετικές ανισότητες και στη διάγνωση του καρκίνου του μαστού, τόσο στο Ηνωμένο Βασίλειο όσο και στις Ηνωμένες Πολιτείες, με τις μαύρες γυναίκες να είναι λιγότερο πιθανό να υποβληθούν σε εξετάσεις μαμμογραφίας στο Ηνωμένο Βασίλειο.

Η Google σχεδιάζει να dànhει χρόνο για να διορθώσει την ανισότητα στα δεδομένα που χρησιμοποιούνται για την εκπαίδευση του μοντέλου πριν το κάνει διαθέσιμο σε εταίρους υγείας, με στόχο να δημιουργήσει một μεγαλύτερη, πιο περιεκτική βάση δεδομένων. Το σύστημα θα πρέπει επίσης να υποβληθεί σε κλινικές δοκιμές πριν γίνει διαθέσιμο για χρήση σε κλινικές ρυθμίσεις. Οι αλγόριθμοι που αναπτύχθηκαν από την ερευνητική ομάδα έχουν τη δύναμη να βελτιώσουν πραγματικά τα αποτελέσματα υγείας και να σώσουν ζωές, αλλά μόνο αν είναι προσεκτικά και αυστηρά δοκιμασμένοι.

Blogger και προγραμματιστής με ειδικότητες στα Machine Learning και Deep Learning θέματα. Ο Daniel ελπίζει να βοηθήσει τους άλλους να χρησιμοποιήσουν τη δύναμη του AI για κοινωνικό καλό.