Dit programma probeert longkanker jaren van tevoren op te sporen. zijn kracht?

Het resultaat is bekend gemaakt eind januari door een team van onderzoekers van het Harvard Massachusetts General Hospital en MIT, maakt deel uit van een groeiende medische trend om algoritmen te gebruiken om alles te voorspellen, van vrijgelaten Prostaatkanker en prostaatkanker voor het potentieel voor hergroei van tumoren. Hoewel het onderzoek groeit, zeggen wetenschappers dat er meer tests moeten worden uitgevoerd voordat deze producten volledig kunnen worden losgelaten in klinische omgevingen.

Het instrument heet een cybele, vernoemd naar een profeet in de oude Griekse literatuur. Het is een deep learning-model, wat betekent dat computers enorme datasets analyseren om patronen te identificeren en te classificeren. Onderzoekers zeiden dat Sybil zes jaar training had gehad in longonderzoeken van patiënten in de Verenigde Staten en Taiwan.

De resultaten van de studie toonden aan dat Sybil over een periode van zes jaar scores behaalde die als “goed” en “sterk” werden beschouwd bij het voorspellen van longkanker. Het was sterker in termen van eenjarige voorspellingspercentages, merkten de onderzoekers op.

Longkanker is “de grootste kankermoordenaar omdat het relatief vaak voorkomt en relatief moeilijk te behandelen is”, zegt Florian Ventelmann, een interventionele radioloog aan het Massachusetts General Cancer Center en co-auteur van de studie. “Als je longkanker vroegtijdig ontdekt, zal het resultaat op de lange termijn aanzienlijk beter zijn.”

Nieuw algoritme kan de ziekte van Parkinson vroegtijdig opsporen Wil je helpen?

Kanker is De tweede reden van de sterfgevallen wereldwijd, en met de toename van de vooruitgang in software voor kunstmatige intelligentie en rekenkracht, wordt het een rijp veld voor onderzoekers om de technologie toe te passen in de hoop clinici te helpen bij de diagnose.

Onderzoekers gebruiken kunstmatige intelligentie voor tracking Prostaatkanker voortgang borstkanker of zelfs Tumor hergroei na het ondergaan van een behandeling.

Een groot deel van de technologie bestaat uit analyse grote verzameling medische scans, datasets of afbeeldingen, voer ze vervolgens in complexe AI-programma’s in. Van daaruit worden computers getraind om beelden van tumoren of andere afwijkingen te detecteren waarvan onderzoekers beweren dat ze nauwkeuriger en sneller zijn dan het menselijk oog.

De auteurs van het onderzoek zeiden dat er de afgelopen jaren een toename is geweest van nieuwe behandelingen om longkanker te bestrijden, maar dat veel patiënten nog steeds sterven aan de ziekte vanwege de barrières.

Ouderen en arme mensen worden mogelijk niet getest vanwege beperkte federale financiering. MIT-onderzoekers zeiden dat veel patiënten bij wie longkanker is vastgesteld, ofwel nooit hebben gerookt of voormalige rokers zijn die meer dan 15 jaar geleden zijn gestopt, waardoor ze niet in aanmerking komen voor screening in de Verenigde Staten.

Voor degenen die screening kunnen ondergaan, is de meest gebruikelijke methode het gebruik van laaggedoseerde CT-scans, LDCT genaamd. De onderzoekers creëerden Sybil om het screeningproces te ondersteunen, waardoor software LDCT-beelden kan analyseren zonder de hulp van radiologen om het risico op kanker tot zes jaar van tevoren te voorspellen.

De auteurs van het onderzoek zeiden dat het bouwen van Sybil een uitdaging was. Peter Michael, een onderzoeker aan de Jameel Clinic en Computer Science and Artificial Intelligence Laboratory van MIT, beschreef het als “proberen een speld in de hooiberg te vinden”.

Het leger wil dat kunstmatige intelligentie de menselijke besluitvorming in de strijd vervangt

meer dan De beeldvormingsgegevens voor de training van Sybil bevatten geen duidelijke tekenen van kanker, omdat longkanker in een vroeg stadium zich in kleine delen van de long bevindt en moeilijk kan zijn voor het blote oog. Om vast te stellen. Om ervoor te zorgen dat de software het kankerrisico kon beoordelen, zeiden de onderzoekers dat het onderzoeksteam “honderden CT-scans met zichtbare kankertumoren classificeerde” en deze in Sybil invoerde voordat de CT-scansoftware met beperkte tekenen van kanker werd gelanceerd.

Het team gebruikte datasets van de National Lung Examination Trial, het Massachusetts General Hospital en het Chang Gung Memorial Hospital in Taiwan. En volgens de studie zijn sommige gegevens voor blanken aanzienlijk scheefgetrokken.

Volgens overheidswetenschappers en onderzoeksstudies hebben medische experts gewaarschuwd dat kankerprogramma’s meer onderzoek vereisen voordat ze in klinieken kunnen worden gebruikt.

Onderzoekers van Harvard en Nederland Hij zei De vaardigheden die nodig zijn om door AI-algoritmen gegenereerde informatie te vertalen, bevinden zich nog in de “opkomende fase”. Bovendien zijn de voordelen die AI aan medicijnen kan bieden op dit moment erg beperkt. Zelfs met deze detectietools moeten clinici nog steeds diagnoses stellen, behandelplannen opstellen en de algehele zorg beheren.

De eindeloze zoektocht om misdaden te voorspellen met behulp van kunstmatige intelligentie

Andere medische deskundigen aanwijzen Er moeten meer tests worden uitgevoerd om te zien hoe goed het programma werkt bij verschillende patiënten, met behulp van verschillende scanners en hulpmiddelen. Er is ook meer werk nodig om aan te tonen dat het programma daadwerkelijk mensen ten goede komt, door hen langer te laten leven, kanker te voorkomen of tijd en geld te besparen. Ze zeiden dat de manier waarop algoritmen werken transparant moet zijn, geen “zwarte doos”.

De MIT-onderzoekers zeiden dat ze hun werk zullen voortzetten.

“Een opwindende volgende stap in het onderzoek is het prospectief testen van Sybil bij mensen met een hoog risico op longkanker die niet hebben gerookt of die al tientallen jaren zijn gestopt met roken”, zegt Lesia Sikeste, directeur van het Cancer Early Detection Innovation Center in het Massachusetts General Hospital. .