Ook deKunstmatige intelligentie tegen borstkanker: een nieuw model van IA ontwikkeld door Microsoft In samenwerking met deWashington University (VS) en andere internationale instellingen, bleken de pathologie te kunnen diagnosticeren met een Precisie is nog nooit eerder bereikt.
Het onderzoek, geleid doorAI voor een goed laboratorium Van Microsoftgeëvalueerd als kunstmatige intelligentie het kan helpen om het duidelijker, nauwkeuriger en betrouwbaarder te maken screening op borstkankereen ziekte die nog steeds veel mensen treft, die de Meest voorkomende tumor bij vrouwen over de hele wereld.
Borstkanker en de uitdagingen van vandaag
Volgens de Italiaanse Association of Medical Oncology (AIOM) Bij vrouwen bestond in feite 59,3% van alle nieuwe tumoren die voor 2024 waren gepland uit 5 frequentere typen, waarvan de eerste nog steeds de borst met 53.060 gevallen (gevolgd door colorectaal met 21.230 gevallen, long met 12.940, endometrium met 8.650 en schildklier met 8.320 gevallen).
Maar – en dit is uitstekend nieuws – het verhoogt voortdurend de Overleving na vijf jaar van de diagnose, die, Zoals gerapporteerd door de Italiaanse Association of Cancer Research (AIRC)het is 88%, een van de hoogste percentages die zijn geregistreerd in kwaadaardige tumoren.
In Italië, zoals in veel Europese landen, zijn ze gepland Programma’s van screeninggratis in de leeftijdsgroep die meer in gevaar is (50-69 jaar), maar nog steeds aanbevolen aan alle vrouwen, vooral na 40 jaar.
Deze bestaan uit één Jaarlijkse mammografiezelfs bij afwezigheid van risicofactoren (zoals een diagnose van borstkanker in een zeer dichtbij familielid zoals een moeder of zus), die vaak wordt geassocieerd met eenBorst echografie.
Screening heeft De sterfte verminderde aanzienlijk Vanwege de pathologie onthult dankzij de toename van vroege diagnoses het belangrijkste hulpmiddel om deze pest te bestrijden.
In zeer dichte borsten kan kanker echter ontsnappen aan screening en is de toestand op zichzelf een Borstkankerrisicofactorzozeer zelfs dat, in geval van twijfel, vaak de magnetische resonantie beeldvormingeen veel gevoeliger techniek. Zo gevoelig, echter om er een paar te presenteren Onwaar positiefmet een significante toename van angst voor onnodige patiënten en biopsieën.
Kunstmatige intelligentie in de strijd tegen borstkanker
In 2023, één onderzoek Hij stelde een nieuwe methode voor om te voorspellen of borstkanker zich naar andere delen van het lichaam kon verspreiden, en de techniek was precies op de AI gebaseerd.
Het model van IA heeft vandaag voorgesteld, FCDD genoemd (Volledig convolutionele gegevensbeschrijving), bleek in staat te zijn Identificeer anomalieën in magnetische resonanties. In de praktijk leert het model in plaats van te proberen het uiterlijk van elke mogelijke tumor te leren, het uiterlijk van normale borstscans en rapporteert elke anomalie.
Deze aanpak is Bijzonder effectief in echte screeningcontexten – Leg de onderzoekers uit – waar de tumor zeldzaam is en de afwijkingen zeer gevarieerd zijn. Op een reeks gegevens van meer dan 9.700 borstmagnetische resonantietests, is het model getest in zowel hoge als lage prevalentie -scenario’s, inclusief realistische screeningpopulaties waarbij slechts 1,85% van de scans een tumor had.
FCDD heeft traditionele IA -modellen overtroffen bij het identificeren van neoplasmata, drastisch verminderen van valse positieven. In contexten die vergelijkbaar zijn met screening, bereikte hij in plaats daarvan tweemaal de positieve voorspellende waarde van de standaardmodellen en heeft hij verminderde valse alarmen van meer dan 25%.
(…) In tegenstelling tot de meeste kunstmatige intelligentiemodellen – schrijft Microsoft – is FCDD niet beperkt tot het bieden van een “ja” of een “nee”, maar Genereert warmtekaarten die visueel de vermoedelijke positie van de tumor benadrukken in de twee -dimensionale projectie van beeldvorming van magnetische resonantie. Deze verklarende kaarten hebben de retrospectieve annotaties van deskundige radiologen met één bevestigd Precisie van 92% (AUC Pixel voor pixel), verre over andere modellen overwinnen
Verder – fundamenteel aspect voor elk wetenschappelijk hulpmiddel – het model heeft hoge prestaties behouden zonder de noodzaak van re -training, zowel op een externe gegevensset die beschikbaar is voor het publiek als op een onafhankelijk interieur, wat suggereert sterk potentieel voor een bredere klinische adoptie.
Dit model is meer dan een eenvoudig technisch resultaat. Het vertegenwoordigt een stap voorwaarts naar het gebruik van kunstmatige intelligentie in klinische werkstromen, ondersteuning bieden voor triage, het verkorten van de tijd die is gewijd aan normale gevallen en de aandacht van radiologen concentreren waar het belangrijker is. Door de specificiteit te verbeteren met drempels met hoge gevoeligheid (95-97%), kan het model helpen onnodige oproepen en biopsieën te verminderen, waardoor de emotionele en financiële lading van patiënten fokkert
Maar het is nog niet voorbij, er is nog veel werk te doen: zoals onderzoekers specificeren, in feite moet het model zijn prospectief getest op bredere en diverse klinische populaties.
We zijn erg optimistisch over het potentieel van dit nieuwe kunstmatige intelligentiemodel, niet alleen vanwege de grotere nauwkeurigheid ervan in vergelijking met andere modellen bij de identificatie van de kankerachtige regio’s, maar ook voor het vermogen om het te doen met slechts een minimale hoeveelheid beeldgegevens van elk examen – concludeert Savannah Partridge, hoofdauteur van het werk – het werk dat dit artificatietool kan worden toegepast met een magnetische wegens magnetische testen Contrastmedium, evenals om diagnostische protocollen te voltooien, die ook kunnen helpen zowel scantijden als interpretatietijden te verminderen. We zijn verheugd om de volgende stappen te ondernemen om hun nut te evalueren bij het verbeteren van de prestaties van radiologen en klinische werkstromen
De code en de methodologie zijn toegankelijk gemaakt voor de onderzoeksgemeenschap, beschikbaar hiervoor linken het werk werd gepubliceerd op Radiologie.
Bronnen: Microsoft.com / Radiology
