Esquerda:visualização de amostra de uma lâmina contendo nódulos linfáticos, com vários artefatos:a zona escura à esquerda é uma bolha de ar, as listras brancas são artefatos cortantes, a tonalidade vermelha em algumas regiões é hemorrágica (contendo sangue), o tecido é necrótico (em decomposição), e a qualidade do processamento era ruim. À direita:LYNA identifica a região do tumor no centro (vermelho), e classifica corretamente as regiões circundantes carregadas de artefatos como não tumorais (azul). Crédito:Google AI Blog
Detectar o câncer de mama é algo que o Google AI faz muito bem. Que bom? Um Ubergizmo título:"Google afirma que sua IA tem 99% de precisão na detecção de câncer de mama metastático." O que está por trás do título?
A resposta é que a empresa possui uma ferramenta de aprendizado profundo que, em testes, foi capaz de distinguir o câncer metastático em 99% das vezes - o que equivale a uma taxa de precisão maior do que a alcançada por patologistas humanos.
Por que isso é importante:"O câncer é um daqueles casos em que a detecção precoce pode levar a uma maior taxa de sobrevivência, "comentou Tyler Lee em Ubergizmo . Kyle Wiggers, quem cobre IA para VentureBeat , da mesma forma, mostrou que os cânceres metastáticos eram "notoriamente difíceis de detectar".
Wiggers analisou algumas estatísticas e escreveu que "do meio milhão de mortes causadas pelo câncer de mama em todo o mundo, cerca de 90 por cento são o resultado de metástase. "Agora, a tecnologia do Google tem como objetivo desempenhar um papel útil na detecção.
Postando no Blog do Google AI em 12 de outubro, Martin Stumpe, líder técnico e Craig Mermel, gerente de produto, Cuidados de saúde, Google AI, ressaltou a importância do tempo.
"A detecção de metástases nodais é relevante para a maioria dos cânceres, " eles escreveram, e, no câncer de mama, "a metástase nodal influencia as decisões de tratamento em relação à terapia de radiação, quimioterapia, e a possível remoção cirúrgica de linfonodos adicionais. Como tal, a precisão e oportunidade de identificar metástases nodais tem um impacto significativo no atendimento clínico. "
Lee relatou que os pesquisadores testaram sua IA "contra o conjunto de dados de desafio Lymph Node 2016, que contém 399 imagens de lâmina inteira de seções de linfonodos do Radboud University Medical Center e do University Medical Center Utrecht". Resultado:pontuação de 99,3% na precisão. Sim, 99.3 não é 100, pois ocasionalmente identificou coisas incorretamente. Apesar disso, a pontuação de 99,3% foi "melhor em comparação com um patologista praticante encarregado de avaliar as mesmas lâminas, "Lee escreveu.
MIT Technology Review , "A transferência, "da mesma forma apontou que" A taxa de 99% é superior ao desempenho de patologistas humanos. "
Wiggers tinha mais detalhes. "Nos testes, alcançou uma área abaixo da característica de operação do receptor (AUC) - uma medida de precisão de detecção - de 99 por cento. Isso é superior aos patologistas humanos, que, de acordo com uma avaliação recente, perdem pequenas metástases em slides individuais em até 62 por cento das vezes quando estão sob restrições de tempo. "
Adicione um drumroll para código aberto. A tecnologia é baseada em um modelo de aprendizado profundo de reconhecimento de imagem de código aberto. É o início V-3. Seu sistema de IA, Enquanto isso, é chamado de assistente de linfonodo, ou LYNA. Joseph Archer, O telégrafo , disse que o Google AI foi ensinado a reconhecer as características dos tumores "estudando imagens de pacientes com câncer".
Quanto aos próximos passos, os pesquisadores reconheceram o que alcançaram - e o que resta a ser alcançado.
"Com esses estudos, fizemos progressos na demonstração da robustez do nosso algoritmo LYNA para suportar um componente do estadiamento TNM do câncer de mama, e avaliar seu impacto em um ambiente de diagnóstico de prova de conceito. "
Contudo, "a jornada do banco à cabeceira" é longa, eles disseram, e esses estudos têm limitações, "como tamanhos limitados de conjuntos de dados e um fluxo de trabalho de diagnóstico simulado que examinou apenas uma única lâmina de linfonodo para cada paciente, em vez de várias lâminas comuns para um caso clínico completo."
Eles afirmaram que mais trabalho é necessário para avaliar o impacto de LYNA em fluxos de trabalho clínicos reais e resultados de pacientes.
MIT Technology Review A transferência, abordou possíveis temores de que uma tecnologia como esta busque substituir os profissionais humanos. Não é o caso de um ou outro. Um diagnóstico é apenas uma faceta do atendimento médico-paciente, seguido por um plano de ação. O esforço de IA do Google é e-e.
"Em vez de substituir os humanos, esta tecnologia tem mais chances de complementar suas habilidades, "disse o Download, "tornando mais fácil e rápido o diagnóstico de tumores metastáticos. Em um estudo, o algoritmo reduziu pela metade o tempo que levava para verificar um slide, em média, reduzindo para apenas um minuto por slide. "
© 2018 Tech Xplore