Новият подобен на ChatGPT AI модел може да открие множество различни видове рак, установява проучване
Изследователите казват, че нов модел на изкуствен интелект може да бъде по-обобщен за диагностика и оценка на рак, отколкото съществуващите методи за задълбочено обучение.
Учените са проектирали нов модел на изкуствен интелект (AI), който може да е в състояние да диагностицира и оценява множество видове рак.
Новият модел се нарича Фондация за оценка на изображения на клинична хистопатология (CHIEF ) е до 36 процента по-ефективен при откриване на рак, определяне на произхода на тумора и прогнозиране на резултатите за пациентите, отколкото други модели на дълбоко обучение, изследователи каза.
Екипът, ръководен от изследователи от Харвардското медицинско училище, искаше моделът да бъде по-широко приложим при различни диагностични задачи, тъй като много настоящи модели за дълбоко обучение за рак са обучени да изпълняват специфични функции.
„За разлика от съществуващите методи, нашият AI инструмент предоставя на клиницистите точно второ мнение в реално време относно диагнозите на рак, като взема предвид широк спектър от видове и вариации на рак“, Кун-Хсинг Ю, асистент по биомедицинска информатика в Харвардското медицинско училище и старши автор на изследването, каза пред Euronews Health в имейл.
Как работи CHIEF?
Моделът е обучен на повече от 15 милиона различни патологии изображения, „което повишава неговата надеждност при диагностицирането на ракови заболявания с нетипични характеристики“, добави Ю.
След това те използваха повече от 60 000 изображения с висока разделителна способност на тъканни слайдове „за по-нататъшно развитие на нашия AI модел и фина настройка за специфични генетични и клинични задачи за прогнозиране“.
Изследователите тестваха модела си върху повече от 19 400 изображения от 24 болници и пациенти кохорти в световен мащаб и публикува констатациите в списанието Nature в сряда.
Екипът каза, че моделът работи чрез четене на цифрови слайдове на туморни тъкани и може да предскаже тяхната молекулярна профил въз основа на функциите в изображението. Той може също така да идентифицира характеристики на тумор, които са свързани с начина, по който пациентът може да реагира на лечението.
Свързано След като европейските лекари се пенсионират, може ли изкуственият интелект да помогне за справяне с недостига на здравна работна сила?
Той постигна почти 94 процента точност при откриването ракови клетки в 11 вида рак въз основа на метрика за представяне на модела.
„В определени приложения, като идентифициране на ракови клетки на дебелото черво или прогнозиране на генетични мутации, нашите производителността на модела достигна до 99,43 процента,” каза Ю.
Изследователите се надяват, че AI моделът ще помогне на клиницистите да оценят по-точно тумора на пациента.
Новият модел „представлява обещаващ напредък“ в прилагането на ИИ в онкологията, според Аджит Гоенка, професор по радиология в клиниката Майо в САЩ, който не е участвал в проучване.
Той каза на Euronews Health в имейл, че може да „рационализира предварителните диагностични оценки“ и да предостави на патолозите инструмент, който анализира слайдове, за да „открои критични области за по-нататъшно изследване“.
„Въпреки тези възможности, устойчивостта на CHIEF в различни клинични среди остава да бъде стриктно тествана, а потенциалът за отклонения, произтичащи от обучението му в големи, вероятно непредставителните набори от данни не могат да бъдат пренебрегнати“, каза Goenka, който изследователи използват AI за подобряване на диагностиката на рак на панкреаса.
Related AI е помогнал на радиолозите да открият 20% повече случаи на рак на гърдата по време на скрининг, открива ново проучване
Какво следва за модела AI?
Оставащата стъпка преди CHIEF да бъде използван в лекарските кабинети е получаването на регулаторни одобрение.
„За да постигнем това, ние стартираме проспективно клинично проучване за валидиране на модела CHIEF в реални клинични условия“, каза Ю, който добави, че те също работят за разширяване на способността му за откриване редки видове рак.
Goenka добави, че за да бъде използван клинично, моделът ще се нуждае от „широко валидиране в реални условия, обхващащи разнообразни демографски данни на пациентите и различни клинични условия”.
„Това валидиране е от решаващо значение, за да се гарантира, че производителността на модела е не само теоретично превъзходна, но и практически надеждна в ежедневната клинична практика,” каза той.
Отидете на преките пътища за достъпност