一種 n人工智能(AI)工具(在大約一百萬張乳腺X線攝影圖像上進行了訓練)與放射線醫(yī)師結(jié)合分析時,可以以大約90%的準確率識別出乳腺癌。
由紐約大學醫(yī)學院和紐約大學數(shù)據(jù)科學中心的研究人員牽頭,這項研究檢查了一種AI(一種機器學習計算機程序)為14位放射科醫(yī)生在審查720條時得出的診斷結(jié)果增加價值的能力。乳房X光照片。
“我們的研究發(fā)現(xiàn),人工智能可以在放射科醫(yī)生無法識別的數(shù)據(jù)中識別出與癌癥相關(guān)的模式,反之亦然,” 紐約大學朗格諾大學放射學系助理教授Krzysztof J. Geras博士說。
“人工智能檢測到人眼看不見的組織中的像素級變化,而人類則使用了人工智能無法獲得的推理形式,”紐約大學數(shù)據(jù)科學中心的附屬教員杰拉斯博士補充道?!拔覀児ぷ鞯淖罱K目標是增加而不是替代人類放射科醫(yī)生?!?/p>
2014年,美國進行了超過3900萬例乳房X線檢查,以篩查女性(無癥狀)乳腺癌,并確定需要進一步隨訪的女性。將其檢查結(jié)果顯示出異常的乳房X線檢查結(jié)果的女性進行活檢,該活檢是從乳房組織中取出少量樣本進行實驗室檢查的過程。
在這項新研究中,研究團隊設(shè)計了統(tǒng)計技術(shù),使他們的程序可以“學習”如何更好地完成一項任務(wù),而無需確切地告訴他們?nèi)绾巫?。這樣的程序會建立數(shù)學模型,從而能夠根據(jù)輸入的數(shù)據(jù)示例進行決策,并且隨著程序查看越來越多的數(shù)據(jù),該程序?qū)⒆兊谩案?a target="_blank">智能”。
受人腦啟發(fā)的現(xiàn)代AI方法使用復雜的電路來分層處理信息,每一步都將信息饋入下一步驟,并在此過程中或多或少地為每條信息分配重要性。
最近由IEEE Transactions on Medical Imaging雜志在線發(fā)表,目前的研究作者在與過去進行的活組織檢查結(jié)果相匹配的許多圖像上訓練了他們的AI工具。他們的目標是啟用該工具,以幫助放射科醫(yī)生減少向前發(fā)展所需的活檢數(shù)量。Geras博士說,只有通過提高醫(yī)師對篩查檢查的評估準確性的信心(例如,減少假陽性和假陰性結(jié)果),才能實現(xiàn)這一目標。
對于當前的研究,研究團隊分析了在紐約大學朗格醫(yī)療中心七年中作為常規(guī)臨床護理的一部分而收集的圖像,對收集的數(shù)據(jù)進行篩選,并將圖像與活檢結(jié)果聯(lián)系起來。這組作者說,這項工作為他們的AI工具創(chuàng)建了一個非常龐大的數(shù)據(jù)集,可以對其進行訓練,包括229,426次數(shù)字化乳腺X線檢查和1,001,093張圖像。迄今為止,研究中使用的大多數(shù)數(shù)據(jù)庫僅限于10,000張或更少的圖像。
-
人工智能
+關(guān)注
關(guān)注
1789文章
46416瀏覽量
236658 -
放射
+關(guān)注
關(guān)注
0文章
11瀏覽量
7270 -
機器學習
+關(guān)注
關(guān)注
66文章
8328瀏覽量
132219
發(fā)布評論請先 登錄
相關(guān)推薦
評論