Künstliche Intelligenz erkennt Prostata-Krebs mit nahezu perfekter Genauigkeit

Eine Studie veröffentlichte heute in The Lancet Digitale Gesundheit von UPMC und von Universität von Pittsburgh-Forscher weist die höchste Genauigkeit auf das Datum in der Erkennung und Charakterisierung von Prostata-Krebs mit Hilfe einer künstlichen Intelligenz (KI) – Programm.

„Die Menschen sind gut im erkennen von Anomalien, aber Sie haben Ihre eigenen Neigungen oder Erfahrungen aus der Vergangenheit,“ sagte senior-Autor Rajiv Dhir, M. D., M. B. A., chief Pathologen und stellvertretende Vorsitzende der Pathologie an der UPMC Shadyside und professor der biomedizinischen informatik an Pitt. „Maschinen sind losgelöst von der ganzen Geschichte. Es ist definitiv ein element der Standardisierung zu kümmern.“

Um Zug die KI zu erkennen, Prostatakrebs, Dhir und seine Kollegen in den bereitgestellten Bildern von mehr als einer million Teile der gefärbten gewebeschnitte entnommen aus Patienten-Biopsien. Jedes Bild war gekennzeichnet durch Experten-Pathologen zu lehren, die AI, wie zu unterscheiden zwischen gesunden und anormalen Gewebe. Der Algorithmus wurde dann getestet, auf einem separaten Satz von 1.600 Dias, aufgenommen von 100 aufeinanderfolgenden Patienten gesehen, bei UPMC bei Verdacht auf Prostata-Krebs.

Während des Tests werden die AI zeigte 98% Sensitivität und 97% Spezifität bei der Erkennung Prostata Krebs—deutlich höher als bisher berichtet für algorithmen arbeiten von Gewebe gleitet.

Das ist auch der erste Algorithmus erstrecken sich über Krebs-Früherkennung, Berichterstattung hohe Leistung für tumor-grading, sizing und invasion der umgebenden Nerven. Alle diese sind klinisch wichtige Eigenschaften erforderlich, als Teil der Pathologie-Bericht.

Auch AI markiert sechs Folien, die wurden nicht festgestellt, die von den Sachverständigen Pathologen.

Aber Dhir erklärt, dass dies nicht unbedingt bedeutet, dass die Maschine überlegen ist, Menschen. Zum Beispiel, im Zuge der Auswertung dieser Fälle, der Pathologe konnte, haben sich einfach satt gesehen Nachweis von Malignität an anderer Stelle in das Patienten-Proben zu empfehlen, die Behandlung. Für weniger erfahrene Pathologen, obwohl der Algorithmus könnte als failsafe zu fangen Fällen, die sonst möglicherweise übersehen werden.

„Algorithmen wie diese sind besonders nützlich in Läsionen, die untypisch sind,“ Dhir sagte. „Ein nonspecialized person möglicherweise nicht in der Lage sein, um die richtige Bewertung. Das ist ein großer Vorteil dieser Art von system.“