Yeni araştırmalar, AI teknolojisinin MRI taramalarında meme kanserini mevcut dijital yöntemlerden nasıl daha doğru bir şekilde tespit edebileceğini gösterirken, aynı zamanda şüpheli dokunun bulunduğu yere tam olarak tespit ediyor – hassas tarama aracını daha fazla kadın için kullanılabilir hale getirebilecek bir atılım.
Sistem, regular meme dokusunun neye benzediğini öğrenerek yeni bir yaklaşım benimseyerek, daha sonra olağandışı bir şeyi işaretleyerek, kanser algılama yapay zeka tipik olarak nasıl inşa edildiğinin tam tersidir. Potansiyel kanseri tanımladığında, radyologlara tam olarak nereye bakacaklarını gösteren görsel bir ısı haritası oluşturur.
Washington Üniversitesi, Microsoft’un İyi Laboratuar AI’sı ve Seattle’ın Fred Hutchinson Kanser Merkezi ile araştırmacılar, çalışmada lider ortak çalışanlardı. Sonuçları son zamanlarda yayınlandı RadyolojiKuzey Amerika Radyoloji Derneği Dergisi. 2005-2022 yılları arasında UW’de toplanan yaklaşık 9.500 MRI üzerinde AI modellerini eğittiler.
İnovasyon, mamografiden daha hassas olan ancak şu anda öncelikle maliyet ve verimlilik endişeleri nedeniyle yüksek riskli hastalarla sınırlı olan meme MRI taramasına erişimin genişletilmesine yardımcı olabilir.
“Bugünlerde bizden daha fazla kadına meme MRI sunmayı umuyoruz çünkü gerçekten hassas bir göğüs tarama aracı” dedi Savan kekliğiUW radyoloji profesörü. “Ama bunu yapmak için nasıl ölçekleneceğimize bakıyoruz?”
Modeli oluşturma stratejisi, geleneksel yaklaşımı kafasına çevirdi. Mannequin, kanser için pozitif olan taramaları tespit etmeyi öğrenmek yerine, regular veya iyi huylu görüntüleri tanımak ve daha sonra anormal hücreleri içeren MRI’ları işaretlemek için eğitildi.
“Anomali tespiti” olarak adlandırılan yaklaşım, araştırmacıların hastalık gösterenlerden daha fazla kanser olmayan görüntülere sahip oldukları göz önüne alındığında mantıklı geliyor, “Bu yüzden verilerimizden daha verimli bir şekilde yararlanabiliyoruz” dedi.
Yeni aracın önemli bir özelliği, endişe alanını görsel olarak vurgulayan görüntüyü kaplayan bir ısı haritası oluşturmasıdır. Diğer teknolojiler bazen sadece bir MRG’de kanserin tespit edilip edilmediğini, ancak tam olarak bulunduğu yerde olmadığını gösterir.
“Modelimiz, bir memede anormal olanın anlaşılabilir, piksel düzeyinde bir açıklaması sunuyor” dedi. Felipe OviedoMicrosoft’un AI için İyi Laboratuarında Kıdemli Araştırma Analisti bir açıklamada.
AI analizi, radyologların daha hızlı dikkat gerektiren vakaları önceliklendirmesine, sağlayıcılara ek görüntülemede yönlendirmesine veya biyopsi gerektiren bir alanı göstermesine yardımcı olabilir.
Araç klinik ortamlarda kullanıma hazır değildir. Araştırmacılar, teknolojinin faydalarını daha iyi anlamak için aynı görüntüleri gözden geçiren radyologlara karşı nasıl performans gösterdiğini görmek için ek çalışmalar planlıyorlar.
UW’nin meme görüntüleme araştırma direktörü ve Fred Hutch’daki geçmiş kanser görüntüleme direktörü olan Partridge, Microsoft ile işbirliğinin, algoritmanın yaratılmasıyla yakından ilgilenme şansı verdiğini ve nasıl inşa edildiğine ve davrandığına dair bir fikir verdiğini söyledi.
Yine de, Partridge sağlık hizmetleri için AI benimserken dikkatli olmak istiyor ve herhangi bir klinik aracın, çalışmalarını karmaşıklaştırmak yerine radyologları destekleyen güvenilir, yararlı bilgiler sağlamasını sağlıyor.
“Kullanmıyor musun [AI]ya da değil misin, ama nasıl kullanıyorsun? ” “Uygun ve güvenli bir şekilde nasıl kullanıyorsun?” Dedi.
“Açıklanabilir AI anomali tespiti yoluyla meme MRI taramasında kanser tespiti” başlıklı ek yazarlar, Anum Kazerouni, Philipp Liznerski, Yixi Xu, Michael Hirano, Robert Vandermeulen, Marius Kloft, William Haftalar, Adam Alessio, Christopher Li, William Haftalar, Ju Rahbar. Onların ilişkileri arasında UW, Microsoft, Fred Hutch, Michigan Eyalet Üniversitesi, Kaiserslautern-Landau Üniversitesi, Berlin Öğrenme ve Veri Temelleri Enstitüsü ve Berlin Teknik Üniversitesi bulunmaktadır.
