{vembed Y=urJ7QEdhP_U}
Ein Instrument der künstlichen Intelligenz, das auf rund einer Million Screening-Mammographiebildern trainiert wurde, kann in Kombination mit einer radiologischen Analyse Brustkrebs mit einer Genauigkeit von etwa 90% identifizieren, so eine neue Studie.
Die Studie untersuchte die Fähigkeit einer Art künstlicher Intelligenz (KI), einem maschinell lernenden Computerprogramm, die Diagnosen einer Gruppe von 14 Radiologen, die bei der Überprüfung von 720 erreicht wurden, aufzuwerten Mammogramm Bilder.
"Das ultimative Ziel unserer Arbeit ist es, menschliche Radiologen zu unterstützen und nicht zu ersetzen."
"Unsere Studie ergab, dass KI krebsbedingte Muster in den Daten identifizierte, die Radiologen nicht konnten, und umgekehrt", sagt der leitende Studienautor Krzysztof Geras, Assistenzprofessor an der Abteilung für Radiologie an der Grossman School of Medicine der New York University.
"Die KI hat für das menschliche Auge unsichtbare Veränderungen im Gewebe auf Pixelebene festgestellt, während die Menschen Argumentationsformen verwendeten, die der KI nicht zur Verfügung standen", fügt Geras hinzu, ebenfalls Mitglied der angegliederten Fakultät am Center for Data Science. "Das ultimative Ziel unserer Arbeit ist es, menschliche Radiologen zu unterstützen und nicht zu ersetzen."
Im Jahr 2014 haben Frauen (ohne Symptome) in den USA mehr als 39 Millionen Mammographie-Untersuchungen durchgeführt, um auf Brustkrebs zu untersuchen und die Notwendigkeit einer genaueren Nachsorge zu ermitteln. Frauen, deren Testergebnisse abnorme Mammographieergebnisse liefern, werden angesprochen BiopsieEin Verfahren, bei dem eine kleine Probe des Brustgewebes für Labortests entnommen wird.
Das AI-Tool hat gelernt, vorherzusagen, welche Läsionen wahrscheinlich bösartig (rote Wärmekarte) oder wahrscheinlich gutartig (grüne Wärmekarte) sind, um Radiologen bei der Diagnose von Brustkrebs zu unterstützen. (Kredit: NYU School of Medicine)
In der neuen Studie entwarf das Forscherteam statistische Techniken, mit denen das Programm „lernen“ kann, wie man eine Aufgabe besser meistert, ohne genau zu wissen, wie. Solche Programme bauen mathematische Modelle auf, die es ermöglichen, Entscheidungen auf der Grundlage der eingegebenen Datenbeispiele zu treffen, wobei das Programm „intelligenter“ wird, wenn es immer mehr Daten überprüft.
Moderne KI-Ansätze, die sich vom menschlichen Gehirn inspirieren lassen, verwenden komplexe Schaltkreise, um Informationen in Schichten zu verarbeiten, wobei jeder Schritt Informationen in den nächsten einspeist und jeder Information auf dem Weg mehr oder weniger Bedeutung zuweist.
Die Autoren der aktuellen Studie trainierten ihr AI-Tool mit vielen Bildern, die mit den Ergebnissen früherer Biopsien übereinstimmten. Ihr Ziel war es, das Tool dazu zu befähigen, Radiologen dabei zu helfen, die Anzahl der Biopsien zu reduzieren, die in Zukunft benötigt werden. Dies könne nur erreicht werden, indem das Vertrauen der Ärzte in die Genauigkeit der Beurteilungen für die Vorsorgeuntersuchungen gestärkt werde (z. B. durch Verringerung der Zahl der Fälle) falsch positiv und falsch negative Ergebnisse).
Für die aktuelle Studie analysierte das Forscherteam Bilder, die im Rahmen der routinemäßigen klinischen Versorgung über einen Zeitraum von sieben Jahren gesammelt wurden. Dabei wurden die gesammelten Daten gesiebt und die Bilder mit Biopsieergebnissen verknüpft. Diese Bemühungen führten zu einem außergewöhnlich großen Datensatz für das AI-Tool, auf dem laut den Autoren 229,426 Mammographie-Untersuchungen mit digitaler Früherkennung und 1,001,093 Bilder trainiert werden konnten. Die meisten Datenbanken, die die Forscher bisher in Studien verwendeten, waren auf 10,000 Bilder oder weniger beschränkt.
So trainierten die Forscher ihr neuronales Netzwerk, indem sie es programmierten, um Bilder aus der Datenbank zu analysieren, für die bereits Krebsdiagnosen ermittelt worden waren. Dies bedeutete, dass die Forscher die „Wahrheit“ für jedes Mammographiebild kannten (Krebs oder nicht), als sie die Genauigkeit des Werkzeugs testeten, während das Werkzeug raten musste. Die Forscher maßen die Genauigkeit der Häufigkeit korrekter Vorhersagen.
Darüber hinaus entwickelten die Forscher das AI-Modell der Studie, um zunächst sehr kleine Bereiche des Bildes mit voller Auflösung separat zu betrachten und eine Wärmekarte zu erstellen, ein statistisches Bild der Krankheitswahrscheinlichkeit. Anschließend untersucht das Programm die gesamte Brust auf krebsbedingte strukturelle Merkmale und berücksichtigt dabei die Bereiche, die in der Wärmekarte auf Pixelebene markiert sind.
Anstatt die Forscher Bildmerkmale identifizieren zu lassen, nach denen ihre KI suchen soll, stellt das Tool selbst fest, welche Bildmerkmale die Vorhersagegenauigkeit erhöhen. In Zukunft plant das Team, diese Genauigkeit weiter zu erhöhen, indem es das AI-Programm auf mehr Daten trainiert und möglicherweise sogar Veränderungen im Brustgewebe identifiziert, die noch nicht krebsartig sind, aber das Potenzial haben zu sein.
„Der Übergang zur AI-Unterstützung in der diagnostischen Radiologie sollte wie die Einführung selbstfahrender Autos erfolgen - langsam und vorsichtig, vertrauensbildend und unter Berücksichtigung der Sicherheit systemverbessernd“, sagt Erstautorin Nan Wu, Doktorandin bei das Zentrum für Data Science.
Die Studie erscheint in IEEE-Transaktionen zur medizinischen Bildgebung.
Über den Autor
Der leitende Studienautor Krzysztof Geras ist Assistenzprofessor in der Abteilung für Radiologie an der Grossman School of Medicine der New York University.
Weitere Koautoren sind von der NYU, dem SUNY Downstate College of Medicine, der University of Cambridge und der Jagiellonian University.
Die Unterstützung für die Arbeit kam zum Teil von den National Institutes of Health. Das in dieser Studie verwendete Modell wurde dem Feld zur Verfügung gestellt, um Innovationen voranzutreiben.
Bücher zum Thema:
Der Körper behält den Überblick: Gehirn, Geist und Körper bei der Heilung von Traumata
von Bessel van der Kolk
Dieses Buch untersucht die Verbindungen zwischen Trauma und körperlicher und geistiger Gesundheit und bietet Einblicke und Strategien für Heilung und Genesung.
Klicken Sie für weitere Informationen oder zum Bestellen
Atem: Die neue Wissenschaft einer verlorenen Kunst
von James Nestor
Dieses Buch untersucht die Wissenschaft und Praxis des Atmens und bietet Einblicke und Techniken zur Verbesserung der körperlichen und geistigen Gesundheit.
Klicken Sie für weitere Informationen oder zum Bestellen
Das Pflanzenparadoxon: Die versteckten Gefahren in "gesunden" Lebensmitteln, die Krankheiten und Gewichtszunahme verursachen
von Steven R. Gundry
Dieses Buch untersucht die Zusammenhänge zwischen Ernährung, Gesundheit und Krankheit und bietet Einblicke und Strategien zur Verbesserung der allgemeinen Gesundheit und des Wohlbefindens.
Klicken Sie für weitere Informationen oder zum Bestellen
Der Immunitätscode: Das neue Paradigma für echte Gesundheit und radikales Anti-Aging
von Joel Greene
Dieses Buch bietet eine neue Perspektive auf Gesundheit und Immunität, stützt sich auf Prinzipien der Epigenetik und bietet Einblicke und Strategien zur Optimierung von Gesundheit und Alterung.
Klicken Sie für weitere Informationen oder zum Bestellen
Der vollständige Leitfaden zum Fasten: Heilen Sie Ihren Körper durch intermittierendes, alternierendes und verlängertes Fasten
von Dr. Jason Fung und Jimmy Moore
Dieses Buch untersucht die Wissenschaft und Praxis des Fastens und bietet Einblicke und Strategien zur Verbesserung der allgemeinen Gesundheit und des Wohlbefindens.
