Loolanka Crowdsourced AI ee lagu wanaajinayo Falanqaynta Mammogram wuu dhamaaday

Raajooyinku waxay muhiim u yihiin caafimaadka haweenka iyo si loo qabto tilmaamayaasha hore ee kansarka naasaha. Si kastaba ha ahaatee, raajada mammografi waxay u baahan tahay khabiiro bini'aadam ah si ay u fasiraan, iyo xitaa khabiiro aad u tababaran ayaa sameeya khaladaad. Waxaa lagu qiyaasaa in heerka beenta ah ee raajada naasaha ay ku dhowdahay 10% gudaha Maraykanka. Si loo abuuro habab siinaya akhrin sax ah oo sax ah oo raajada naasaha ah, Caqabadda Riyada Naasaha Dijital ah (DM) ayaa dhawaan abuurtay dadaal dad badan oo lagu horumarinayo algorithms-akhrinta naasaha cusub

Sida ay sheegtay PhysicsWorld, Farsamooyinka aragga kombuyuutarka iyo algorithms-barashada qoto-dheer waxay noqdeen kuwo aad u casrisan dhowrkii sano ee la soo dhaafay, cilmi-baarayaasha iyo injineerada ayaa u soo jeestay isticmaalka AI si ay u tarjumaan mammograms, iyaga oo ujeedadoodu tahay in la kordhiyo saxnaanta. Riyada Riyada Dijital ah (DM) ayaa bilaabay tartan lagu baarayo isticmaalka algorithms-yada AI marka la aqoonsanayo calaamadaha suurtagalka ah ee kansarka naasaha.

Loolanka riyada DM waa tan ugu weyn daraasad kasta oo lagu sameeyo algorithms-ka barashada qoto dheer ee ku saabsan tarjumaada naasaha ilaa hadda. Justin Guinney, oo ah madaxweynaha caqabadaha DREAM, ayaa sharaxay in sababta caqabadaha ay tahay in ay ogolaatay qiimeyn habaysan oo daraasiin ah qaababka barashada qoto dheer ee laba xog oo kala duwan. Ka qaybgalayaasha loolanka ayaa looga baahnaa inay naqshadeeyaan algorithms kuwaas oo lagu tababari karo xogta naasaha oo ay soo saaraan dhibcaha suurtogalka ah in bukaanka laga heli karo kansarka naasaha sanad gudihiis. Waxa kale oo jirtay xaalad tartan labaad ah sidoo kale. Hawsha labaad, algorithms-yada waxaa loo oggolaaday in lagu tababaro macluumaad dheeraad ah sida xogta khatarta tirakoobka, xogta caafimaadka, iyo sawirada laga soo ururiyay imtixaanadii hore ee baadhista.

Waxa jiray laba xog-ururin oo loo isticmaalay in lagu tababaro moodooyinka. Xog-ururinta kowaad waxa ay ahayd xogta Kayser Permanente Washington (KPW), oo ay soo ururiyeen cilmi-baarayaal ka socda Maraykanka. Dhanka kale, xog-ururin labaad ayaa waxaa soo aruuriyay cilmi-baarayaal Swedish ah oo ka tirsan Machadka Karolinska (KI).

In ka badan 1100 kaqeybgale ayaa ku biiray loolanka, oo loo qeybiyay 126 kooxood oo kala duwan oo ka kooban dad ka kala yimid adduunka oo dhan. Intii lagu guda jiray qaybtii hore ee tartanka, moodooyinka waxaa lagu tababaray iyadoo la isticmaalayo xogta KPW, oo ay ku jiraan sawirro laga soo qaaday in ka badan 140000 imtixaannada baaritaanka ah. Marka la barbar dhigo natiijooyinka caqabadda labaad, waxaa la ogaaday in helitaanka sifooyin badan sida xogta bukaan-socodka aysan si macno leh u wanaajin awoodda takoorka ee algorithms. Si kastaba ha ahaatee, kooxda DM Dream waxay soo jeediyeen in horumarinta algorithm ee mustaqbalka ay tahay in lagu daro falanqaynta sawiradii hore ee bukaanada, iyaga oo muujinaya in ka qaybgalayaashu aysan si buuxda u isticmaalin xogta.

Sida laga soo xigtay Health IT AnalyticsKooxda DR Dream waxay doonaysaa in sideeda kooxood ee ugu sareeya ay iska kaashadaan oo ay naqshadeeyaan qaabka kala soocida, si ay u eegaan in qaabkani uu ka soo bixi karo moodooyinka gaarka ah. Isku-duwayaasha loolanka ayaa markaa adeegsaday isu geynta miisaanka saadaasha algorithms-yada kala duwan, iyaga oo abuuray Qaabka Loolanka Isku-dhafka ah (CEM). Saadaasha macquulka ah ee qaabka CEM ayaa la barbardhigay tarjumaadaha raadiyaha, sida lagu qiimeeyay iyada oo la adeegsanayo gaar ahaaneed. Dhakhaatiirtu waxay gaareen 90.5% gaar ahaan, halka qaabka CEM-na uu gaaray kaliya 76.1% gaar ah. In kasta oo natiijadu ay u muuqato niyad jab, markii qiyaasaha moodeelka CEM iyo tafsiirka shucaaca la isugu geeyey nooc kale (CEM+R), gaar ahaan waxay u hagaagtay 92%.

Natiijooyin isbarbardhig ah ayaa lagu gaaray xogta xogta KI, oo si gaar ah loo adeegsaday si loo ansixiyo moodooyinka, kuwaas oo ka kooban sawirro in ka badan 166,000 imtixaan. oo leh qaabka CEM oo wax yar ka hooseeya raajo-yaqaannada (92.5% gaar ahaan marka la barbar dhigo 96.7% gaar ahaan), laakiin CEM + R oo gaadhay natiijooyin wanaagsan (98.5% gaar ahaan).

Inkasta oo mid ka mid ah noocyada shakhsi ahaaneed aysan awoodin inay ka sarreeyaan khabiirada bini'aadamka, qaabka CEM + R wuxuu arkay faa'iido yar marka loo eego tarjumaadda shucaaca oo keliya. Waxaa suurtogal ah in isku-darka dareenka aadanaha iyo kaaliyaha AI ay hagaajin karto saxnaanta.