Rivoluzione nella diagnosi del cancro: KI trasforma la patologia!

Rivoluzione nella diagnosi del cancro: KI trasforma la patologia!

Erlangen, Deutschland - Come parte di un progetto di cooperazione innovativo tra ospedale universitario e l'ospedale di Gravina di Caltagirone, Itary è l'integrazione clinica in AIFSO) in AIFCHEN-WERDEN-Kann/" La patologia

L'intelligenza artificiale può supportare i patologi nell'identificazione del cancro in modo più efficace e nella valutazione dei campioni di tessuto. Tuttavia, l'uso dell'IA è attualmente limitato in patologia, poiché molti processi di analisi sono tradizionalmente eseguiti sul microscopio. Al fine di padroneggiare queste sfide, l'ospedale Gravina digitalizza abitualmente tutti i tagli ai tessuti, il che migliora significativamente la disponibilità di dati digitali.

Integrazione dell'intelligenza artificiale nel flusso di lavoro

Un elemento essenziale del progetto è lo sviluppo di una procedura per l'integrazione automatica dell'analisi AI nel flusso di lavoro del laboratorio patologico. I campioni di tessuto vengono elaborati in tagli sottili e quindi digitalizzati in modo che la diagnosi sia effettuata sul monitor del computer. Non appena nuove scansioni entrano nel sistema informativo di laboratorio (LIS), l'analisi dell'IA viene attivata automaticamente. I patologi possono anche richiedere analisi "su richiesta", che migliorano la flessibilità e l'efficienza nel processo diagnostico.

I risultati dell'analisi dell'intelligenza artificiale sono visualizzati sotto forma di mappe di calore nella LIS al fine di enfatizzare le regioni simili al cancro. Il progetto mira a migliorare l'accuratezza degli algoritmi e a promuovere l'integrazione dei modelli di apprendimento profondo in altri dipartimenti di patologia.

innovazioni tecnologiche nel processo diagnostico

Le innovazioni tecnologiche hanno accelerato significativamente la diagnosi del cancro, in particolare attraverso la digitalizzazione del taglio istopatologico e l'uso dell'apprendimento profondo. Secondo un articolo su pmc.ncbi.nih.gov , la tradizionale patologia diagnostica è lunga ed erroria

I modelli di apprendimento profondo sono adatti per compiti clinici che richiedono un'elevata riproducibilità e una bassa tolleranza ai guasti. Gli sviluppi storici nell'area del profondo apprendimento, dalle prime reti neuronali alle moderne reti neurali convoluzionali (CNN), hanno notevolmente migliorato l'accuratezza diagnostica. Ad esempio, un modello sviluppato per la valutazione della classificazione nel carcinoma della prostata ha raggiunto una precisione di 0,7, mentre i patologi umani non potevano solo registrare una precisione di 0,61

Inoltre, le reti neurali basate su grafica (GNN) offrono approcci promettenti per migliorare sia le prestazioni che l'interpretazione nella patologia digitale. Queste reti modellano le relazioni tra oggetti e hanno già ottenuto il successo nel campo della diagnosi del cancro, anche nella valutazione del carcinoma del colon -retto con un'accuratezza del 97%.

il ruolo dei big data e dell'IA in medicina

Il cambiamento digitale porta a un'esplosione di dati disponibili che possono essere utilizzati in modo efficace in medicina. fraunhofer iks sottolinea che l'intelligenza artificiale può analizzare rapidamente grandi importi di dati, che conducono a teraci e le conduttori di teradi e le conduttori di terafili e le prime conducenti. Questo sviluppo è supportato dalla rete di dati medici e non medici, che consente decisioni efficienti e razionali.