Група науковців з США під керівництвом професора біоінженерії Саїда Амала розробила нову архітектуру ШІ, призначену для виявлення раку молочної залози, яка, за словами дослідників, досягла рівня точності 99,72%.
Група науковців з США під керівництвом професора біоінженерії Саїда Амала розробила нову архітектуру ШІ, призначену для виявлення раку молочної залози, яка, за словами дослідників, досягла рівня точності 99,72%.
Амаль каже, що новий інструмент «перевизначить цифрову патологію», пише MedicalXPress. Проєкт ШІ-діагностування раку молочної залози та представлений на початку цього року веб-інструмент штучного інтелекту, розроблений для більш швидкої та точнішої діагностики раку простати, є частиною масштабних зусиль Амаля зі створення онлайн-платформи, до якої лікарі зможуть отримати доступ для діагностики різноманітних видів раку за допомогою цих інноваційних технологій ШІ.
Як повідомили вчені у звіті з результатами дослідження, що були опубліковані в журналі Cancers, сучасні методи штучного інтелекту добре оцінюють рак, але в лікарнях вони поки що не використовуються.
«ШІ не може пропустити пухлину в біопсії та не виснажиться після діагностики 10 або 20 людей», — акцентує Амаль.
За його словами, в ідеалі ця структура дозволить лікарям не тільки лікувати пацієнтів швидше й точніше, але й допоможе в розробці нових моделей штучного інтелекту, які можна використовувати для діагностики рідкісних і незвичайних видів раку, для яких бракує великої кількості даних про пацієнтів.
Дослідники розробили та використали комплексні алгоритми глибокого навчання для вирішення завдань класифікації підтипу раку молочної залози та інвазивності раку молочної залози на основі гістопатологічних слайдів повного зображення слайда (WSI). Використані ансамблеві моделі базувалися на згорткових нейронних мережах (CNN), відомих тим, що виділяють відмінні ознаки, важливі для точної класифікації.
«Маючи ці дані під рукою, команда побудувала ансамблеву модель глибокого навчання, яка використовувала різні моделі для підвищення точності та зменшення помилок і навчала їх на даних зображення тканин молочної залози», — каже Амал.
Для проєкту раку молочної залози дослідники скористалися загальнодоступними наборами даних, що містять зображення злоякісної та доброякісної тканини молочної залози, знайдені в гістопатологічній базі даних раку молочної залози.
«Це як взяти діагноз кількох лікарів і проголосувати за найкраще рішення», — каже вчений.
Він і його команда нещодавно подали заяву про винахід до Центру дослідницьких інновацій.
