Revolução no diagnóstico do câncer: KI transforma a patologia!

Revolução no diagnóstico do câncer: KI transforma a patologia!

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 pathology. O objetivo é otimizar o processo de diagnóstico usando os mais recentes algoritmos de IA

A inteligência artificial pode apoiar patologistas na identificação de câncer de maneira mais eficaz e avaliação de amostras de tecido. No entanto, o uso da IA ​​é atualmente limitado em patologia, uma vez que muitos processos de análise são tradicionalmente realizados no microscópio. Para dominar esses desafios, o Hospital Gravina digitaliza rotineiramente todos os cortes de tecidos, o que melhora significativamente a disponibilidade de dados digitais.

Integração de IA no fluxo de trabalho

Um elemento essencial do projeto é o desenvolvimento de um procedimento para a integração automática da análise de IA no fluxo de trabalho do laboratório patológico. As amostras de tecido são processadas em cortes finos e depois digitalizados para que o diagnóstico seja feito no monitor do computador. Assim que novas varreduras entrarem no sistema de informações de laboratório (LIS), a análise da IA ​​é ativada automaticamente. Os patologistas também podem solicitar análises "sob demanda", o que melhora a flexibilidade e a eficiência no processo de diagnóstico.

Os resultados da análise de IA são visualizados na forma de mapas de calor no LIS, a fim de enfatizar regiões semelhantes ao câncer. O projeto visa melhorar a precisão dos algoritmos e promover a integração de modelos de aprendizado profundo em outros departamentos de patologia.

inovações tecnológicas no processo de diagnóstico

As inovações tecnológicas aceleraram significativamente o diagnóstico de câncer, em particular através da digitalização do corte da histopatologia e do uso de aprendizado profundo. De acordo com um artigo sobre pmc.ncbi.nih.gov , o diagnóstico tradicional é o seu tempo e o que é um dos mais compridos, o que é um dos mais compridos, o que é um dos mais compridos, o que é um dos mais longos e mais compridos, o que é um dos mais longos e mais compridos, o que é um dos mais compridos, o que é um dos mais longos e mais compridos, o que é um dos mais compridos, o que é um dos mais compridos, o que é o que é um tempo.

Modelos de aprendizado profundo são adequados para tarefas clínicas que requerem alta reprodutibilidade e baixa tolerância a falhas. Os desenvolvimentos históricos na área de aprendizado profundo, desde as primeiras redes neuronais até as redes neurais convolucionais modernas (CNNs), melhoraram significativamente a precisão diagnóstica. Por exemplo, um modelo desenvolvido para classificação de avaliação no câncer de próstata alcançou uma precisão de 0,7, enquanto os patologistas humanos só poderiam registrar uma precisão de 0,61 Além disso, as redes neurais (GNNs) baseadas em gráficos oferecem abordagens promissoras para melhorar o desempenho e a interpretabilidade na patologia digital. Essas redes modelam as relações entre objetos e já alcançaram sucesso no campo do diagnóstico de câncer, inclusive na avaliação do câncer colorretal com uma precisão de 97%.

O papel de Big Data e IA na medicina

A mudança digital leva a uma explosão de dados disponíveis que podem ser usados ​​efetivamente na medicina. Fraunhofer INDKS O que a inteligência pode analisar a inteligência artificial pode analisar rapidamente as grandes quantidades e a inteligência artificial pode analisar as grandes e os dados da inteligência artificial e a inteligência artificial. Esse desenvolvimento é apoiado pela rede de dados médicos e não médicos, que permitem decisões eficientes e racionais.