Наш опрос

Какой раздел сайта Вас интересует?

Медицинские новости
Консультации врачей
Справочник болезней
Беременность и роды
Медучреждения (адреса и отзывы)
Истории болезни
Рефераты
Шпаргалки
Тесты
Другое


Результаты
Другие опросы

Всего голосов: 444
Комментарии: 0
Медицина в мире
Новости медицины
Школа клинициста

Главная  Лучшие    Популярные   Список  
Алгоритмы машинного обучения помогают распознать раковые клетки
Несмотря на многообещающие результаты, авторы алгоритма подчеркнули, что модель в любом случае уступает человеку хотя бы потому, что она запрограммирована искать только определенные патологии, а человек обратит внимание и на признаки иных заболеваний – аутоиммунных болезней, воспалительных процессов, других типов рака.

Даже с учетом постоянных тренировок диагнозы, поставленные одному и тому же пациенту разными патологами, могут существенно различаться, что в итоге может привести к неправильной терапии. При изучении снимков больных с некоторыми формами рака молочной железы и простаты мнения могут совпадать всего на 48%. Это неудивительно – объем информации, которая содержится на изображениях, огромен. Патологам необходимо рассмотреть все без исключения ткани на снимке, а таких снимков у одного пациента может быть несколько. Если оцифровать изображения при 40-кратном увеличении, они будут «весить» по 10 Гпикс, и за каждый пиксель врач несет ответственность. Время при этом может быть ограничено. В Японии больная раком женщина обязана своей жизнью искусственному интеллекту. Врачи из Института медицинских наук Токийского университета (The University of Tokyo's Institute of Medical Science) использовали программу Watson, чтобы уточнить диагноз пациентки, и компьютер справился со своей задачей. Читайте еще: Чтобы разрешить трудности с разницей во мнениях и ограниченностью времени, специалисты Google изучают, как можно применить алгоритмы глубокого обучения в работе патолога, дополнить «ручное» изучение программой автоматического распознавания пораженных клеток. Для подготовки программы исследователи использовали снимки, предоставленные медицинским центром университета Неймегена (Radboud University). Программисты обучили искусственный интеллект находить на снимках клетки рака молочной железы с метастазами в лимфоузлах. Обнаружилось, что даже стандартные алгоритмы – например, Inception (он же GoogLeNet) – способны эффективно отличать больные клетки от здоровых, хотя получившиеся тепловые карты (изображения, показывающие, какая часть ткани вероятно поражена) содержали слишком много шумов. Однако после доработки, включавшей также обучение сетей сканированию изображений при разном увеличении, точность математической модели была сравнима или даже превосходила точность работы патолога, который при изучении биоматериала не ограничен во времени. Фактически после модификации алгоритма подготовленные при его помощи тепловые карты были усовершенствованы настолько, что их точность достигла 89%. Специалисты сравнили свой результат с работой патолога, время которого не ограничивали (на самом деле он закончил спустя 30 часов, рассмотрев 130 снимков), и обнаружили, что искусственный интеллект на 16% эффективнее человека (73%). Модель показала себя хорошо и с другим набором снимков, предоставленным другой больницей. Несмотря на многообещающие результаты, авторы алгоритма подчеркнули, что модель в любом случае уступает человеку хотя бы потому, что она запрограммирована искать только определенные патологии, а человек обратит внимание и на признаки иных заболеваний – аутоиммунных болезней, воспалительных процессов, других типов рака. Сама система подсчета также имеет свои минусы – количество ложноположительных результатов, когда патолог принимает здоровые клетки за больные, увеличивает чувствительность алгоритма при обучении. Оптимальный вариант, по мнению специалистов – сочетать оба подхода, то есть дополнить работу специалиста-человека программой-алгоритмом глубокого обучения.  A pathologist’s report after reviewing a patient’s biological tissue samples is often the gold standard in the diagnosis of many diseases. For cancer in particular, a pathologist’s diagnosis has a profound impact on a patient’s therapy. The reviewing of pathology slides is a very complex task, requiring years of training to gain the expertise and experience to do well.

Смотрите также связанные новости

Нет комментариев. Почему бы Вам не оставить свой?
Ваше имя:
Комментарий:
Смайл - 01 Смайл - 02 Смайл - 03 Смайл - 04 Смайл - 05 Смайл - 06 Смайл - 07 Смайл - 08 Смайл - 09 Смайл - 10 Смайл - 11 Смайл - 12 Смайл - 13 Смайл - 14 Смайл - 15 Смайл - 16 Смайл - 17 Смайл - 18
Секретный код:
Секретный код
Повторить:

Кабинет пользователя

Здравствуйте,
Гость
Регистрация или входРегистрация или вход
Забыли пароль?Забыли пароль?

Ник:
Пароль:
Код:Секретный код
Повторить:

Рейтинг@Mail.ru Rambler's Top100


The release is prepared by Med4Net.ru