Vėžio diagnozės revoliucija: KI keičia patologiją!

Vėžio diagnozės revoliucija: KI keičia patologiją!

Erlangen, Deutschland - As part of an innovative cooperation project between the University Hospital and the Gravina Hospital in Caltagirone, Italy is Integration of artificial intelligence (AI) into the clinical diagnosis of Patologija

Dirbtinis intelektas gali palaikyti patologus efektyviau nustatyti vėžį ir įvertinti audinių mėginius. Tačiau šiuo metu patologijoje AI naudojimas yra ribotas, nes daugelis analizės procesų tradiciškai atliekami mikroskope. Siekdama įvaldyti šiuos iššūkius, „Gravina“ ligoninė reguliariai suskaitmenina visus audinių pjūvius, o tai žymiai pagerina skaitmeninių duomenų prieinamumą.

AI integracija į darbo eigą

Esminis projekto elementas yra automatinės AI analizės integracijos į patologinės laboratorijos darbo eigos integracijos procedūros sukūrimas. Audinių mėginiai perdirbami į plonus pjūvius ir tada suskaitmeninami taip, kad diagnozė būtų padaryta kompiuterio monitoriuje. Kai tik į laboratorijos informacinę sistemą (LIS) patenka nauji nuskaitymai, AI analizė automatiškai suaktyvinama. Patologai taip pat gali paprašyti „paklausos“ analizės, o tai pagerina diagnostikos proceso lankstumą ir efektyvumą.

AI analizės rezultatai vizualizuojami kaip šilumos žemėlapiai LIS, siekiant pabrėžti vėžiu panašius regionus. Projekto tikslas - pagerinti algoritmų tikslumą ir skatinti giluminio mokymosi modelių integraciją kituose patologijos skyriuose.

Technologinės naujovės diagnostikos procese

Technologinės naujovės žymiai pagreitino vėžio diagnozę, ypač skaitmeninant histopatologijos pjaustymą ir panaudojant gilų mokymąsi. Remiantis straipsniu apie pmc.ncbi.nih.gov , tradicinė diagnostinė patologija yra ilga ir klaida -paplitusi, o tai, siekiant didėjančio vėžio ir streso, sukuria skubų poreikį.

Giluminio mokymosi modeliai yra tinkami klinikinėms užduotims, kurioms reikalingas didelis atkuriamumas ir žemas tolerancija gedimams. Istoriniai pokyčiai giluminio mokymosi srityje, pradedant pirmaisiais neuronų tinklais ir baigiant šiuolaikiniais konvoliuciniais nervų tinklais (CNN), žymiai pagerino diagnostinį tikslumą. Pavyzdžiui, išplėtotas prostatos vėžio įvertinimo modelis pasiekė 0,7 tikslumą, o žmogaus patologai galėjo tik užfiksuoti 0,61 tikslumą - tik 0,61 tikslumą

Be to, grafikos pagrįsti nerviniai tinklai (GNN) siūlo perspektyvius metodus, siekiant pagerinti skaitmeninės patologijos veikimą ir aiškumą. Šie tinklai modeliuoja ryšius tarp objektų ir jau pasiekė sėkmę vėžio diagnozės srityje, įskaitant ir kolorektalinio vėžio vertinimą, kurio tikslumas buvo 97%.

Didžiųjų duomenų ir AI vaidmuo medicinoje

Skaitmeninis pakeitimas sukelia turimų duomenų, kuriuos galima efektyviai naudoti medicinoje, sprogimą. fraunhofer iks pabrėžia, kad meninis intelektas gali greitai išanalizuoti didelius duomenis, kurie yra individualizuoti, o tai yra individualizavimas, kuris yra individualizavimas. Šią plėtrą palaiko medicininių ir nemedicininių duomenų tinklų kūrimas, kuris įgalina veiksmingus ir racionalius sprendimus.