Revolúcia v diagnostike rakoviny: Ki transformuje patológiu!

Revolúcia v diagnostike rakoviny: Ki transformuje patológiu!

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 Pattológia je optimalizovať diagnostický proces pomocou najnovších algoritmov AI, ktorý sa uskutočňuje, zatiaľ čo v Nemecku sa zaznamenáva viac ako 1,4 milióna rakoviny, často v dôsledku vyšetrenia tkaniva.

Umelá inteligencia môže podporovať patológov pri efektívnejšej identifikácii rakoviny a pri hodnotení vzoriek tkanív. Použitie AI je však v súčasnosti v patológii obmedzené, pretože na mikroskope sa tradične vykonáva mnoho analytických procesov. S cieľom zvládnuť tieto výzvy nemocnica Gravina rutinne digitalizuje všetky škrty v tkanivách, čo výrazne zlepšuje dostupnosť digitálnych údajov.

Integrácia AI do pracovného toku

Základným prvkom projektu je vývoj postupu automatickej integrácie analýzy AI do pracovného toku patologického laboratória. Vzorky tkanív sa spracúvajú na tenké rezy a potom sa digitalizujú tak, aby sa diagnóza vykonala na počítačovom monitore. Akonáhle nové skenovanie vstúpia do laboratórneho informačného systému (LIS), analýza AI sa automaticky aktivuje. Patológovia môžu tiež požiadať o analýzy „na požiadanie“, čo zlepšuje flexibilitu a účinnosť v diagnostickom procese.

Výsledky analýzy AI sa vizualizujú vo forme tepelných máp v LIS, aby sa zdôraznili oblasti podobné rakovine. Cieľom projektu je zlepšiť presnosť algoritmov a podporovať integráciu modelov hlbokého vzdelávania v iných patologických oddeleniach.

Technologické inovácie v diagnostickom procese

Technologické inovácie významne urýchlili diagnostiku rakoviny, najmä prostredníctvom digitalizácie histopatologického rezania a využívania hlbokého učenia. Podľa článku o pmc.ncbi.nih.gov , tradičná diagnostická patológia je zdĺhavá a chybová, ktorá pri pohľade na rastúcu rakovinu a stres vytvárajú naliehavú potrebu pre akciu.

Modely hlbokého učenia sú vhodné pre klinické úlohy, ktoré si vyžadujú vysokú reprodukovateľnosť a nízku toleranciu porúch. Historický vývoj v oblasti hlbokého učenia, od prvých neuronálnych sietí až po moderné konvolučné neurónové siete (CNN), významne zlepšil diagnostickú presnosť. Napríklad vyvinutý model na hodnotenie klasifikácie rakoviny prostaty dosiahol presnosť 0,7, zatiaľ čo ľudskí patológovia mohli zaznamenať iba presnosť 0,61

Okrem toho, grafické neurónové siete (GNNS) ponúkajú sľubné prístupy na zlepšenie výkonnosti a interpretovateľnosti v digitálnej patológii. Tieto siete modelujú vzťahy medzi objektmi a už dosiahli úspech v oblasti diagnostiky rakoviny, a to aj pri hodnotení rakoviny hrubého čreva a konečníka s presnosťou 97%.

Úloha veľkých údajov a AI v medicíne

Digitálna zmena vedie k výbuchu dostupných údajov, ktoré sa môžu efektívne používať v medicíne. fraunhofer iks zdôrazňuje, že umelé informácie dokážu rýchlo analyzovať veľké sumy údajov, ktoré vedie individualizáciu a vedie individuálne. Tento vývoj je podporený sieťou lekárskych a nelekárskych údajov, ktoré umožňujú efektívne a racionálne rozhodnutia.