2018. 10. 21. - 08:30
Mellrák kockázatot azonosít a mesterséges intelligencia
Automatizált rendszer azonosítja mammográfia keretében a sűrű mellszövetet, amely az emlőrák kockázati tényezője – a mély tanulási modellt sikerrel alkalmazták a betegeknél, s ez sokkal következetesebb szűrésekhez vezethet.
Konzisztensebb szűrési eljárásokkal dolgozhatnak a szakemberek a közeljövőben: a Massachusetts-i Technológiai Intézet (MIT) és a helyi általános kórház olyan, automatizált mesterséges intelligencia modellt fejlesztett ki, amely megfigyeli a sűrű mellszövetet – amely független rizikófaktora a mellráknak -, s mindezt épp olyan megbízhatóan teszi, mint a radiológusok.
Ez az első eset, hogy egy ilyen jellegű mély tanulási modellt sikeresen alkalmaztak klinikán, valódi pácienseknél – állítják a kutatók, akik széles körben szeretnék bevetni ennek használatát. Abban bíznak, hogy a modell nagyobb fokú megbízhatósághoz vezet a mellrák előrejelzésében.
A mesterséges intelligencia modell a mammográfiát is tökéletesebbé teszi
A becslések szerint Amerikában a nők 40 százalékának sűrű a mellszövete, amely önmagában is növeli az emlőrák esélyét. Mi több, ez a szövetsűrűség a mammogrammon képes eltakarni a rákot, így a szűrés sokkal nehezebb.
Ennek eredményeképpen ma is érvényben van a szabály, hogy azokat a hölgyeket figyelmeztetni kell, akiknek mammográfiás vizsgálatakor sűrű szövetet azonosítanak.
A mellszövet sűrűség alapvetően szubjektív emberi értékelésen alapul, s több tényezőnek köszönhetően az eredmények különbözőek lehetnek – olykor drámai módon – a radiológusok megítélése szerint.
A MIT és a Massachusetts-i Általános Kórház kutatói a mesterséges intelligencia modellt több tízezer kiváló minőségű digitális mammogramm segítségével tanították annak érdekében, hogy elkülönítse a a mellszövetek különböző típusait egymástól – a zsírostól kezdve az extrém mértékben sűrű szövetig, szakértői értékelések alapján. Így egy új mammográfiával a modell képes azonosítani a sűrűség mennyiséget, közel ugyanúgy, mint a szakértők.
„A mellsűrűség független rizikó faktor, mely meghatározza, miként kommunikálunk a páciensekkel az emlőrák kockázatukról. Célunk az volt, hogy pontos és konzisztens eszközt hozzunk létre, mely az egészségügyi rendszerek egészében alkalmazható lesz” – mondta el Adam Yala, a MIT Számítástechnikai és Mesterséges Intelligencia Laboratóriumának (CSAIL) PhD hallgatója a kutatás kapcsán.
László Adrienn