Bagaimana AI Meningkatkan Akurasi Deteksi Kanker Payudara

Sebuah alat kecerdasan buatan - dilatih sekitar sejuta gambar skrining mamografi - dapat mengidentifikasi kanker payudara dengan akurasi sekitar 90% ketika dikombinasikan dengan analisis radiologis, sebuah studi baru menemukan.

Studi ini meneliti kemampuan sejenis kecerdasan buatan (AI), sebuah program komputer pembelajaran mesin, untuk menambah nilai diagnosa yang dicapai oleh sekelompok 14 ahli radiologi saat mereka meninjau 720 mammogram gambar-gambar.

"Tujuan utama dari pekerjaan kami adalah untuk menambah, bukan menggantikan, ahli radiologi manusia."

"Studi kami menemukan bahwa AI mengidentifikasi pola terkait kanker dalam data yang tidak bisa dilakukan oleh ahli radiologi, dan sebaliknya," kata penulis studi senior Krzysztof Geras, asisten profesor di departemen radiologi di Grossman School of Medicine di New York University.


 Dapatkan Terbaru Dengan Email

Majalah Mingguan Inspirasi Harian

"AI mendeteksi perubahan tingkat piksel dalam jaringan yang tidak terlihat oleh mata manusia, sementara manusia menggunakan bentuk-bentuk penalaran yang tidak tersedia untuk AI," tambah Geras, yang juga anggota fakultas yang berafiliasi di Pusat Ilmu Data. "Tujuan utama dari pekerjaan kami adalah untuk menambah, bukan menggantikan, ahli radiologi manusia."

Pada tahun 2014, wanita (tanpa gejala) di Amerika Serikat mendapatkan lebih dari 39 juta ujian mamografi untuk skrining kanker payudara dan menentukan perlunya tindak lanjut lebih dekat. Wanita yang hasil tesnya menghasilkan temuan mamografi abnormal dirujuk biopsi, prosedur yang mengangkat sampel kecil jaringan payudara untuk pengujian laboratorium.

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.Alat AI belajar untuk memprediksi lesi mana yang cenderung ganas (peta panas merah) atau kemungkinan jinak (peta panas hijau), dengan potensi untuk membantu ahli radiologi dalam diagnosis kanker payudara. (Kredit: NYU School of Medicine)

Dalam studi baru, tim peneliti merancang teknik statistik yang memungkinkan program mereka “belajar” bagaimana menjadi lebih baik dalam suatu tugas tanpa diberi tahu persis bagaimana caranya. Program-program semacam itu membangun model-model matematika yang memungkinkan pengambilan keputusan berdasarkan contoh data yang dimasukkan ke dalamnya, dengan program menjadi “lebih pintar” karena meninjau lebih banyak data.

Pendekatan AI modern, yang mengambil inspirasi dari otak manusia, menggunakan sirkuit kompleks untuk memproses informasi berlapis-lapis, dengan setiap langkah memasukkan informasi ke langkah berikutnya, dan menetapkan lebih atau kurang pentingnya setiap informasi di sepanjang jalan.

Para penulis penelitian ini melatih alat AI mereka pada banyak gambar yang cocok dengan hasil biopsi yang dilakukan di masa lalu. Tujuan mereka adalah memungkinkan alat untuk membantu ahli radiologi mengurangi jumlah biopsi yang dibutuhkan untuk bergerak maju. Ini hanya dapat dicapai, kata Geras, dengan meningkatkan keyakinan bahwa dokter memiliki keakuratan penilaian yang dibuat untuk ujian skrining (misalnya, mengurangi salah-positif dan hasil negatif palsu).

Untuk studi saat ini, tim peneliti menganalisis gambar yang dikumpulkan sebagai bagian dari perawatan klinis rutin selama tujuh tahun, menyaring data yang dikumpulkan dan menghubungkan gambar dengan hasil biopsi. Upaya ini menciptakan set data yang luar biasa besar untuk dilatih oleh alat AI mereka, kata para penulis, yang terdiri dari 229,426 ujian mamografi skrining digital dan 1,001,093 gambar. Sebagian besar basis data yang digunakan para peneliti dalam penelitian hingga saat ini terbatas pada 10,000 gambar atau lebih sedikit.

Dengan demikian, para peneliti melatih jaringan saraf mereka dengan memprogramnya untuk menganalisis gambar dari database yang diagnosis kankernya telah ditentukan. Ini berarti bahwa para peneliti mengetahui "kebenaran" untuk setiap gambar mamografi (kanker atau tidak) ketika mereka menguji akurasi alat, sementara alat itu harus menebak. Para peneliti mengukur akurasi dalam frekuensi prediksi yang benar.

Selain itu, para peneliti merancang model studi AI untuk pertama-tama mempertimbangkan tambalan sangat kecil dari gambar resolusi penuh secara terpisah untuk membuat peta panas, gambaran statistik dari kemungkinan penyakit. Kemudian program ini mempertimbangkan seluruh payudara untuk fitur struktural yang terkait dengan kanker, memperhatikan lebih dekat ke area yang ditandai dalam peta panas tingkat piksel.

Alih-alih meminta para peneliti mengidentifikasi fitur gambar untuk AI mereka untuk mencari, alat ini menemukan sendiri fitur gambar yang meningkatkan akurasi prediksi. Ke depan, tim berencana untuk lebih meningkatkan akurasi ini dengan melatih program AI pada lebih banyak data, bahkan mungkin mengidentifikasi perubahan pada jaringan payudara yang belum bersifat kanker tetapi memiliki potensi untuk itu.

“Transisi ke dukungan AI dalam radiologi diagnostik harus dilanjutkan seperti adopsi mobil self-driving — perlahan dan hati-hati, membangun kepercayaan, dan meningkatkan sistem sepanjang jalan dengan fokus pada keselamatan,” kata penulis pertama Nan Wu, seorang kandidat doktoral di Pusat Ilmu Data.

Studi ini muncul di Transaksi IEEE pada Pencitraan Medis.

Penulis tambahan lainnya berasal dari NYU, SUNY Downstate College of Medicine, University of Cambridge, dan Jagiellonian University.

Dukungan untuk pekerjaan datang, sebagian, dari National Institutes of Health. Model yang digunakan dalam penelitian ini telah tersedia untuk mendorong inovasi.

Studi asli

books_health

Anda Mungkin Juga Suka

BAHASA YANG TERSEDIA

English Afrikanas Arabic Cina (Modern) Cina (Tradisional) Denmark Dutch Filipina Finnish French German Yunani Ibrani Hindi Hongaria Indonesian Italian Japanese Korean Malay Norwegian Persia semir Portuguese Rumania Russian Spanish swahili Swedish Thai Turki Ukraina Urdu Vietnam

ikuti InnerSelf di

ikon facebookikon twitterikon youtubeikon instagramikon pintrestikon rss

 Dapatkan Terbaru Dengan Email

Majalah Mingguan Inspirasi Harian

Sikap Baru - Kemungkinan Baru

InnerSelf.comClimateImpactNews.com | InnerPower.net
MightyNatural.com | WholisticPolitics.com | Innerself Pasar
Copyright © 1985 - 2021 Innerself Publikasi. Seluruh hak cipta.