Kunstig intelligens bedre end mennesker til at spotte lungekræft
Forskere har brugt en dyb læringsalgoritme til at opdage lungekræft nøjagtigt fra computertomografiscanninger. Resultaterne af undersøgelsen indikerer, at kunstig intelligens kan overgå menneskelig evaluering af disse scanninger.
Ifølge de seneste skøn forårsager lungekræft næsten 160.000 dødsfald i USA. Tilstanden er den vigtigste årsag til kræftrelateret død i USA, og tidlig påvisning er afgørende for både at stoppe spredningen af tumorer og forbedre patientresultaterne.
Som et alternativ til røntgenstråler fra brystet har sundhedspersonale for nylig brugt computertomografi (CT) til at screene for lungekræft.
Faktisk hævder nogle forskere, at CT-scanninger er bedre end røntgenbilleder til påvisning af lungekræft, og forskning har vist, at lavdosis-CT (LDCT) især har reduceret lungekræftdødsfald med 20%.
Dog er der en høj grad af falske positive og falske negativer, der fortsætter med LDCT-proceduren. Disse fejl forsinker typisk diagnosen lungekræft, indtil sygdommen har nået et fremskredent stadium, hvor det bliver for svært at behandle.
Ny forskning kan beskytte mod disse fejl. En gruppe forskere har brugt kunstig intelligens (AI) teknikker til at detektere lungetumorer i LDCT-scanninger.
Daniel Tse fra Google Health Research-gruppen i Mountain View, CA, er den tilsvarende forfatter af undersøgelsen, hvis resultater findes i tidsskriftet Naturmedicin.
'Model overgik alle seks radiologer'
Tse og kolleger anvendte en form for AI kaldet deep learning til 42.290 LDCT-scanninger, som de fik adgang til fra det nordvestlige elektroniske datalager og andre datakilder, der tilhører hospitalerne i det nordvestlige medicin i Chicago, IL.
Dyblæringsalgoritmen gør det muligt for computere at lære ved eksempel. I dette tilfælde uddannede forskerne systemet ved hjælp af en primær LDCT-scanning sammen med en tidligere LDCT-scanning, hvis den var tilgængelig.
Tidligere LDCT-scanninger er nyttige, fordi de kan afsløre en unormal vækstrate for lungeknuder, hvilket indikerer malignitet.
I den aktuelle undersøgelse tilvejebragte AI et ”automatiseret billedevalueringssystem”, der nøjagtigt forudsagde maligniteten i lungeknuder uden menneskelig indblanding.
Forskerne sammenlignede AI's evalueringer med de af seks bestyrelsescertificerede amerikanske radiologer, der havde op til 20 års klinisk erfaring.
Når tidligere LDCT-scanninger ikke var tilgængelige, overgik AI “-modellen alle seks radiologer med absolut reduktion på 11% i falske positive og 5% i falske negativer,” rapporterer Tse og kolleger. Da tidligere billeddannelse var tilgængelig, udførte AI lige så godt som radiologerne.
Studie medforfatter Dr. Mozziyar Etemadi, en forskningsassistent professor i anæstesiologi ved Northwestern University Feinberg School of Medicine i Chicago, forklarer, hvorfor AI kan overgå menneskelig evaluering.
"Radiologer undersøger generelt hundreder af 2D-billeder eller 'skiver' i en enkelt CT-scanning, men dette nye maskinlæringssystem ser lungerne i et stort, enkelt 3D-billede," siger Dr. Etemadi.
”AI i 3D kan være meget mere følsom i sin evne til at opdage tidlig lungekræft end det menneskelige øje, der ser på 2D-billeder. Dette er teknisk '4D', fordi det ikke kun ser på en CT-scanning, men to (den aktuelle og tidligere scanning) over tid. "
Dr. Mozziyar Etemadi
"For at opbygge AI til at se CT'erne på denne måde har du brug for et enormt computersystem i Google-skala," fortsætter han. "Konceptet er nyt, men den egentlige konstruktion af det er også nyt på grund af skalaen."
Dr. Etemadi fortsætter med at udnytte fordelene ved at bruge deep-learning teknologi og understreger dens præcision. ”Systemet kan kategorisere en læsion med mere specificitet,” siger forskeren.
"Ikke kun kan vi bedre diagnosticere nogen med kræft, vi kan også sige, hvis nogen ikke har kræft, hvilket potentielt redder dem fra en invasiv, kostbar og risikabel lungebiopsi," konkluderer Dr. Etemadi.
Forskerne advarer dog om, at det først er nødvendigt at validere disse resultater i større kohorter.
