Gauche :exemple de vue d'une lame contenant des ganglions lymphatiques, avec de multiples artefacts :la zone sombre à gauche est une bulle d'air, les stries blanches sont des artefacts de coupe, la teinte rouge dans certaines régions est hémorragique (contenant du sang), le tissu est nécrotique (en décomposition), et la qualité du traitement était médiocre. A droite :LYNA identifie la région tumorale au centre (rouge), et classe correctement les régions environnantes chargées d'artefacts comme non tumorales (bleu). Crédit :Blog de l'IA de Google
La détection du cancer du sein est quelque chose que Google AI est bon à faire. A quel point est ce bien? Un Ubergizmo titre :"Google affirme que son IA a une précision de 99 % dans la détection du cancer du sein métastatique." Qu'y a-t-il derrière le titre ?
La réponse est que l'entreprise dispose d'un outil d'apprentissage en profondeur qui, lors des tests, a été capable de distinguer le cancer métastatique 99% du temps, ce qui représente un taux de précision supérieur à celui obtenu par les pathologistes humains.
Pourquoi c'est important :"Le cancer est l'un de ces cas où la détection précoce peut conduire à un taux de survie plus élevé, " a commenté Tyler Lee dans Ubergizmo . Kyle Wiggers, qui couvre l'IA pour VentureBeat , de même a fait comprendre que les cancers métastatiques étaient "notoirement difficiles à détecter".
Wiggers a examiné certaines statistiques et a écrit que "sur le demi-million de décès dans le monde causés par le cancer du sein, on estime que 90 % sont le résultat de métastases." Désormais, la technologie de Google vise à jouer un rôle utile dans la détection.
Publication sur le blog Google AI le 12 octobre Martin Stumpe, responsable technique et Craig Mermel, chef de produit, Soins de santé, IA de Google, a souligné l'importance du timing.
"La détection des métastases ganglionnaires est pertinente pour la plupart des cancers, " ils ont écrit, et, dans le cancer du sein, « les métastases ganglionnaires influencent les décisions de traitement concernant la radiothérapie, chimiothérapie, et l'ablation chirurgicale potentielle de ganglions lymphatiques supplémentaires. En tant que tel, l'exactitude et la rapidité d'identification des métastases ganglionnaires ont un impact significatif sur les soins cliniques. »
Lee a rapporté que les chercheurs ont testé leur IA "par rapport à l'ensemble de données de défi Lymph Node 2016 qui contient 399 images de diapositives entières de sections de ganglions lymphatiques du Radboud University Medical Center et du University Medical Center Utrecht". Résultat :99,3 % de score de précision. Oui, 99.3 n'est pas 100 car il a parfois mal identifié les choses. Néanmoins, le score de 99,3 % était « meilleur par rapport à un pathologiste en exercice chargé d'évaluer les mêmes lames, " Lee a écrit.
Examen de la technologie du MIT , "Le téléchargement, " a également souligné que " le taux de 99% est supérieur à la performance des pathologistes humains ".
Wiggers avait plus de détails. « Dans les épreuves, il a atteint une zone sous la caractéristique de fonctionnement du récepteur (AUC) - une mesure de la précision de détection - de 99 pour cent. C'est supérieur aux pathologistes humains, qui, selon une évaluation récente, ratent de petites métastases sur des lames individuelles jusqu'à 62 % du temps lorsqu'elles sont soumises à des contraintes de temps. »
Ajoutez un roulement de tambour pour l'open source. La technologie est basée sur un modèle d'apprentissage en profondeur de reconnaissance d'images open source. C'est Inception V-3. Leur système d'IA, pendant ce temps, s'appelle Lymph Node Assistant, ou LYNA. Joseph Archer, Le télégraphe , a déclaré que l'IA de Google avait appris à reconnaître les caractéristiques des tumeurs "en étudiant les scans de patients atteints de cancer".
Quant aux prochaines étapes, les chercheurs ont reconnu ce qu'ils ont accompli et ce qu'il reste à accomplir.
« Avec ces études, nous avons progressé dans la démonstration de la robustesse de notre algorithme LYNA pour prendre en charge une composante de la stadification TNM du cancer du sein, et évaluer son impact dans un cadre de diagnostic de validation de principe. »
Cependant, "le voyage du banc au chevet" est long, ils ont dit, et ces études ont des limites, « comme des tailles d'ensemble de données limitées et un flux de travail de diagnostic simulé qui n'a examiné qu'une seule lame de ganglion lymphatique pour chaque patient au lieu des multiples lames qui sont courantes pour un cas clinique complet. »
Ils ont déclaré que des travaux supplémentaires sont nécessaires pour évaluer l'impact de LYNA sur les flux de travail cliniques réels et les résultats pour les patients.
Examen de la technologie du MIT Le téléchargement, abordé les craintes possibles que la technologie comme celle-ci cherche à remplacer les praticiens humains. Ce n'est pas un cas de l'un ou l'autre. Un diagnostic n'est qu'une facette de la prise en charge médecin-patient, suivi d'un plan d'action. L'effort de Google AI est et-et.
"Plutôt que de remplacer les humains, cette technologie est plus susceptible de compléter leurs compétences, " a déclaré le téléchargement, "ce qui facilite et accélère le diagnostic des tumeurs métastatiques. Dans une étude, l'algorithme a réduit de moitié le temps qu'il a fallu pour vérifier une diapositive en moyenne, en le réduisant à seulement une minute par diapositive."
© 2018 Tech Xplore
