AI가 유방암 감지 정확도를 높이는 방법

: By 크지슈토프 게라스

방문해 주셔서 감사합니다 InnerSelf.com, 있는 곳에 20,000+ "새로운 태도와 새로운 가능성"을 홍보하는 삶을 변화시키는 기사. 모든 기사는 다음으로 번역됩니다. 30 개 이상의 언어. 확인 매주 발행되는 InnerSelf Magazine과 Marie T Russell의 Daily Inspiration에 게재됩니다. InnerSelf 매거진 1985년부터 출판되었다.

{vembed Y=urJ7QEdhP_U}

약 90 만 건의 선별 유방 조영술 이미지로 훈련 된 인공 지능 도구는 방사선 전문의 분석과 결합 될 때 약 XNUMX %의 정확도로 유방암을 식별 할 수 있다고 새로운 연구 결과가 나왔습니다.

이 연구는 기계 학습 컴퓨터 프로그램 인 인공 지능 (AI) 유형의 능력을 조사하여 14 명의 방사선 전문의 그룹이 720을 검토 할 때 도달 한 진단에 가치를 더하는 유방 X 선 사진 이미지.

"우리 연구의 궁극적 목표는 인간 방사선 전문의를 대체하지 않고 확대하는 것입니다."

뉴욕 대학의 그로스 만 의과 대학 방사선과 조교수 인 크 르지 스토 프 게 라스 (Krzysztof Geras) 선임 연구원은“우리의 연구는 AI가 방사선과 전문의가 할 수없는 데이터에서 암 관련 패턴을 발견했다는 것을 발견했다.

"AI는 인간의 눈에는 보이지 않는 조직의 픽셀 수준 변화를 감지했지만 인간은 AI에는 사용할 수없는 추론 양식을 사용했습니다"라고 데이터 과학 센터의 부교수 인 Geras는 덧붙입니다. "우리 연구의 궁극적 목표는 인간 방사선 전문의를 대체하지 않고 확대하는 것입니다."

2014 년에 미국의 여성 (증상 없음)은 유방암 검사를 위해 39 만 건 이상의 유방 촬영 검사를 받았으며 후속 조치가 필요한지 여부를 결정했습니다. 검사 결과가 비정상적인 유방 촬영 결과를 낳는 여성은 생검, 실험실 테스트를 위해 작은 유방 조직 샘플을 제거하는 절차.

Three images of breast tissue side by side. The first is black and white, the second has spots of green, the third has spots of red. AI 도구는 방사선과 전문의가 유방암 진단에 도움을 줄 수있는 악성 병변 (적색 열지도) 또는 양성 (녹색 열지도)을 예측하는 방법을 배웠습니다. (신용 : NYU 의과 대학)

새로운 연구에서, 연구팀은 그들의 방법을 정확히 알려주지 않고 자신의 프로그램이 어떻게 작업에서 더 잘 나아갈 수 있는가를“학습”할 수있는 통계 기법을 설계했습니다. 이러한 프로그램은 데이터 예제를 기반으로 의사 결정을 수행 할 수있는 수학적 모델을 구축하며, 프로그램은 점점 더 많은 데이터를 검토 할 때 "더 똑똑해"집니다.

인간의 두뇌에서 영감을 얻은 현대의 AI 접근 방식은 복잡한 회로를 사용하여 정보를 계층으로 처리하고, 각 단계는 다음 단계로 정보를 공급하고, 그 과정에서 각 정보에 어느 정도 중요성을 부여합니다.

현재 연구의 저자는 과거에 수행 된 생검 결과와 일치하는 많은 이미지에서 AI 도구를 훈련했습니다. 그들의 목표는 방사선과 전문의가 앞으로 나아가 야 할 생검의 수를 줄이는 데 도움을주는 도구를 사용하는 것이 었습니다. Geras는이를 통해 의사는 선별 검사에 대한 평가의 정확성에 대한 확신을 높일 수 있으며 (예 : 위양성 및 부정적 결과).

현재 연구를 위해 연구팀은 229,426 년 동안 일상적인 임상 치료의 일부로 수집 된 이미지를 분석하여 수집 된 데이터를 선별하고 이미지를 생검 결과와 연결했습니다. 이 노력으로 AI 도구가 훈련 할 수있는 매우 큰 데이터 세트가 만들어졌으며 1,001,093 개의 디지털 스크리닝 유방 촬영 시험과 10,000 개의 이미지로 구성되어 있습니다. 현재까지 연구에 사용 된 대부분의 데이터베이스는 XNUMX 개 이하의 이미지로 제한되었습니다.

따라서 연구진은 암 진단이 이미 결정된 데이터베이스의 이미지를 분석하도록 신경망을 프로그래밍하여 훈련했습니다. 이는 연구자들이 도구의 정확도를 테스트하면서 도구가 추측해야하는 각 유방 촬영 영상 (암)에 대한“진실”을 알고 있음을 의미했습니다. 연구원들은 정확한 예측 빈도로 정확도를 측정했습니다.

또한 연구자들은 질병의 가능성을 통계적으로 보여주는 열지도를 만들기 위해 전체 해상도 이미지의 매우 작은 패치를 개별적으로 고려하도록 연구 AI 모델을 설계했습니다. 그런 다음 프로그램은 암과 관련된 구조적 특징에 대해 전체 유방을 고려하여 픽셀 수준 열지도에 표시된 영역에 더주의를 기울입니다.

연구원들이 AI가 검색 할 이미지 기능을 식별하도록하는 대신, 툴은 자체적으로 어떤 이미지 기능이 예측 정확도를 높이는지 발견하고 있습니다. 앞으로도이 팀은 더 많은 데이터에 대한 AI 프로그램을 훈련시켜이 정확도를 더욱 높일 계획이며, 아직 암은 아니지만 가능성이있는 유방 조직의 변화를 식별 할 수도 있습니다.

"진단 방사선학에서 인공 지능 지원으로의 전환은 안전하고 중점을두고 천천히 운전하고 신중하게 신뢰를 쌓고 시스템을 개선하는 자율 주행 자동차의 도입과 같이 진행되어야합니다." 데이터 과학 센터.

이 연구는 의료 영상에 관한 IEEE 거래.