Temple Lai peut être envoyé à partir d'un non-concave rapports Qubit | Numéro public QbitAI
Google Santé pour développer le système AI pour réaliser une nouvelle percée: la précision du dépistage du cancer du sein est beaucoup plus qu'un radiologue.
La dernière étude, publiée dans Nature, fournit un support de données puissant pour l'IA dans le diagnostic clinique.
Tout au long, l'imagerie diagnostique AI sont la médecine des zones chaudes.
Ce programme est particulièrement adapté pour Fiez-vous à l'imagerie diagnostique, l'incidence a augmenté d'année en année, et un traitement précoce peut améliorer le taux de survie du cancer du sein .
Mais la même question aux Chinois, la solution est quelque peu différente: en plus de compter sur le dépistage des rayons X, le dépistage par ultrasons est également très important.
Pourquoi le cancer du sein de préférence AI
Le cancer du sein est le cancer le plus fréquent chez les femmes dans le monde entier et est la principale cause de décès par cancer chez les femmes. Aux États-Unis et en Europe, représente le cancer du sein 25% des femmes et 30%. En Chine, le cancer du sein est la première femme incidence élevée de tumeurs malignes.
Pendant ce temps, le dépistage précoce est le moyen le plus efficace pour améliorer le diagnostic précoce, la survie et la qualité de vie. Radiographie du sein dépistage par mammographie Comme la façon la plus importante du dépistage, il a été montré pour réduire la mortalité par cancer du sein.
Par conséquent, l'amélioration de l'examen et le diagnostic des capacités d'imagerie, il est actuellement au centre de traitement du cancer du sein.
Tout au long, le dépistage précoce du cancer du sein par l'interprétation des médecins pour faire un jugement, même les médecins les plus expérimentés, il est souvent mal diagnostiquée. Les faux positifs conduisent à des procédures médicales inutiles, faux négatifs retarderont le traitement.
De plus, Une incidence croissante de ces ressources médicales face à la pression. la tête du Royaume-Uni Google Santé de Dominic King a dit Collège royal britannique des médecins de radiologie en 2018 estime que le pays aura besoin de plus de 1000 radiologue à temps plein supplémentaire pour répondre à la demande.
AI peut tout simplement jouer aux forces.
L'un des auteurs de cet article, anesthésiologie et assistant de recherche professeur de génie biomédical à l'Université Northwestern Mozziyar Etemadi a déclaré:
Lecture film radiographique du sein pour l'apprentissage de la machine et l'IA est la question parfaite. AI est bon à faire les mêmes tâches encore et encore, et non le même trouvé dans le 10000.
En termes de puissance de calcul, AI a également souligné les avantages.
image sein rayons X augmente la résolution, les données intensives, de sorte que ne peuvent pas être entièrement traitées l'oeil humain (ou même un radiologue expérimenté).
La plupart des hôpitaux ne disposent pas de système informatique fonctionnel, et même incapable de charger toutes les informations fournies dans les photographies de rayons X du sein, afin que les médecins ne peuvent voir que certaines informations de rayonnement.
L'algorithme de Google peut gérer presque tous les pixels disponibles.
la performance AI: taux de diagnostic a augmenté de manière significative, l'ensemble de données britannique et américain peut être commun
Par rapport aux études précédentes, cette étude ** a trois caractéristiques: l'utilisation des ensembles de données cliniques à grande échelle, valident le même modèle peut être commun aux États-Unis et la Grande-Bretagne, la précision de diagnostic AI bien au-delà humain.
Ensemble de données se compose de plus de 76.000 femmes du Royaume-Uni et aux États-Unis plus de 15.000 photographies X-ray sein chez la femme.
jeu de test échelle pour 25,856 femmes britanniques et les 3097 femmes américaines.
les chercheurs d'Amnesty International ont effectué deux tests différents:
1, ont été testés avec les ensembles de données au Royaume-Uni et aux États-Unis, respectivement, en comparant le taux de diagnostic clinique
Royaume-Uni: réduction de 1,2% de faux positifs, faux négatifs ont diminué de 2,7%; États-Unis: la réduction de 5,7% des faux positifs, faux négatifs a diminué de 9,4%.
Pourquoi les données des États-Unis tellement mieux que le Royaume-Uni? Et peut-être différents mécanismes de diagnostic clinique au Royaume-Uni, un film à rayons X d'abord par deux médecins à diagnostiquer, semble objection après l'augmentation de la troisième place, aux États-Unis, seulement après un diagnostic de médecin
2, afin de voir Que le même modèle peut être commun entre les différentes populations Les chercheurs ont seulement le modèle avec les données de formation des femmes britanniques, puis évaluées par l'ensemble de données des femmes aux États-Unis, les résultats sont encore impressionnants:
faux positif Diminué de 3,5% faux négatif Diminution de 8,1%.
Essai comparatif: AI voir des films et la projection de l'homme complémentaire
L'étude a également un médecin, six des radiologues américains pour lire 500 communes films à rayons X et le contraste AI.
Les résultats sont intéressants, bien que le taux de précision de diagnostic AI chez l'homme, mais l'il humain AI et le diagnostic manqué, mais complémentaires les uns aux autres. AI peut capturer une omission humaine, les humains peuvent capturer une omission AI .
Petite structure irrégulière d'un chiffres AI calcifiés est identifié, mais six radiologues ne sont pas identifiés b haute densité. La figure 6 est reconnu tumeurs malignes bloquent radiologue, mais n'a pas été reconnu AI
Dans l'ensemble, les médecins AI attraper le cancer que la capture de plus invasive. Les chercheurs ont pas encore d'explication.
des moyens non invasifs les cellules cancéreuses confinées aux feuilles de lait maternel ou le tube, alors que le cancer invasif se propage à d'autres parties.
performance exceptionnelle sur les grands ensembles de données de l'AI, apporte un soutien solide pour l'IA Après le diagnostic dans la pratique clinique.
Le but final de ce système est AI diagnostic . Mais avant cela, d'autres études cliniques sont nécessaires.
auteurs Etemadi, a déclaré:
Nous avons juste besoin d'une meilleure compréhension des outils lorsque AI comme à l'aide, lorsque l'aide est pas fourni, la combinaison ultime de la technologie et de la contribution humaine et améliorer les soins en fin de compte et d'accroître leur efficacité.
LeCun remis en question, ce qui provoque la discussion Twitter
Publié journaux le lendemain, LeCun sur les Twitters de cet article en question, a déclaré:
équipe Université de New York a une étude à grande échelle plus tôt, et open source.
Par la suite, l'équipe Google DeepMind fondateur Hassbis a répondu LeCun, Nous nous référons à cet article.
Lorsque Google a présenté un document sur l'étude, faire de la recherche liée à deux NYU:
Peu d'études ont prédit un cancer du sein ont un système décrit comme comparable à celui des experts humains exercice indépendant.
Il est essentiel que l'intervalle couramment utilisé pas plus de 12 mois de suivi avant que les premiers moyens de détection plus à l'autre, l'état du cancer plus subtil peut être ignoré.
LeCun également répondre immédiatement: Je ne suis pas en colère, manque vraiment une référence à la première fois que vous lisez les journaux.
Mais alors, il se commentaires à la fois de l'étude NYU de comparaison:
Ne pas oublier de NYU publié l'an dernier de meilleurs résultats, en fonction des cas, et plus plus d'interprétation humaine nombre de comparaison, et le modèle open source et des données.
Deux études sur twitter ont également conduit à une discussion plus approfondie.
La principale préoccupation de tout le monde est de savoir si la recherche Google données ou modèle Non public.
On dit que depuis ne pas reproduire, il ne peut pas être considérée comme la découverte scientifique.
Il suffit de comparer ces deux études.
Tout d'abord, Dataset On, Université de New York utilise un total de 141,473 images féminines, Google utilise l'image féminine 91000;
en la performance modèle Sur, AUC (zone sous la courbe ROC) Université de New York a atteint 0,895, la recherche Google pour les Britanniques 0,889 US 0,895.
Chine au début de dépistage particularité du cancer du sein: L'échographie AI est tout aussi important
Pour les femmes chinoises, cas AI de cancer du sein cribler un autre bit, mais aussi l'espoir propre équipe technique de la Chine.
Parce que les seins des femmes chinoises et les différences structurelles significatives par rapport à l'Europe et l'Amérique. Moins de graisse du sein des femmes chinoises, glandulaire grande proportion, 50% appartiennent au type de fibre. la structure glandulaire blindage du bruit et plus évident, le tissu mammaire normal et la différenciation des lésions plus petites.
Par conséquent, dépistage par mammographie aux rayons X A l'extérieur, Le dépistage échographique Il est également très important.
« Les femmes chinoises avec des lignes directrices de dépistage du cancer du sein » recommandé X-ray dépistage pour les femmes mammaires denses négatives dépistage ultrasonore supplémentaire.
À l'heure actuelle, dépistage par mammographie aux rayons X Sur la mise en page plus tôt, il Selon le dossier médical et Tencent chercher l'ombre , Respectivement, ils ont lancé leurs propres systèmes d'IA.
Figure réalisée conformément à la coopération Fudan University Cancer Hospital, en utilisant les données d'image avec les résultats pathologiques de l'ordre de dix mille à construire le modèle AI pour le rendre plus approprié pour les Chinois.
Tencent chercher l'ombre du cancer du sein dépistage du système AI est des systèmes de première connexes de la Chine. données de réseau officiel, et la sensibilité du système de détection de calcification de la tumeur qui est de 99% et 90,2%, respectivement. sensibilité bénignes et malignes et une spécificité de 87% et 96%, respectivement.
De plus, Tencent cherchera ombre dans le développement de la technologie AI et la combinaison de produits de dépistage par ultrasons. laboratoire carte excellente intelligence artificielle médicale scientifique Zheng Ye Feng estime que la baisse des prix des machines ultrasons, avec un plus grand potentiel en matière de promotion de la base.
Portail papier
https://medium.com/@jasonphang/deep-neural-networks-improve-radiologists-performance-in-breast-cancer-screening-565eb2bd3c9f https://ieeexplore.ieee.org/document/8861376 https://www.nature.com/articles/s41586-019-1799-6
références: https://medium.com/@jasonphang/deep-neural-networks-improve-radiologists-performance-in-breast-cancer-screening-565eb2bd3c9f https://nejmqianyan.cn/article/yxqycp1101540?sg=AbW1NGsHw3NxPd6F https://news.yahoo.com/googles-ai-bested-doctors-detecting-180016436.html?guce_referrer=aHR0cHM6Ly93d3cuZ29vZ2xlLmNvbS8&guce_referrer_sig=AQAAANkLWQHTjGz77IeANKuV5bFLDiq4DPIupVlhzcO3rn4SNhcXeHkges92WUZ9yeEvmo0GufilY_Z2yBwT-QCCH8gFkAv0Q2OqOg7eSaTVi9gavLWZhwk8Hitc6pV0o_SOYwd7O5WtH1IFQzRPfAKDTtF6D99rKrxzBojksb8CJYAc
- FIN -
Qubit QbitAI · titres sur contrat
Suivez-nous, la première fois informé l'avant-garde des développements scientifiques et technologiques
