Le donne conoscono il trapano:il cancro al seno è troppo comunemente una diagnosi di cancro per essere ignorata, poiché la diagnosi precoce potrebbe fare la differenza. Mentre i falsi positivi possono causare un'enorme quantità di stress eccessivo, i falsi negativi hanno un impatto su quanto precocemente viene rilevato un cancro e successivamente trattato.

Una diagnosi precoce potrebbe dare alla persona più opzioni per un intervento e terapie di successo con la sua condizione ancora nella sua fase iniziale.

Un team di IBM Research si è rivolto all'intelligenza artificiale per vedere se poteva trovare una soluzione che raggiunga un livello impressionante di rilevamento accurato del cancro al seno, e i loro risultati sono incoraggianti.

In un post del blog IBM Research, Michal Chorev di IBM Research ha descritto gli obiettivi del team, sforzi e risultati.

Ha detto che "come primo algoritmo del suo genere per apprendere e prendere decisioni sia dai dati di imaging che dall'anamnesi completa della salute del paziente, il nostro modello è stato in grado di prevedere correttamente lo sviluppo del cancro al seno nell'87 percento dei casi analizzati, ed è stato anche in grado di interpretare correttamente il 77 percento dei casi non cancerosi".

L'aggiunta di dati clinici alle mammografie ha aumentato significativamente l'AUROC e la sensibilità del modello.

"Se basato solo su dati clinici, il nostro modello ha ottenuto un AUROC di 0,78, migliorare la previsione del rischio di cancro al seno rispetto ai modelli di rischio comuni come il modello di Gail. Inoltre, siamo stati in grado di identificare fattori clinici che possono eventualmente contribuire a un rischio elevato e che non erano precedentemente utilizzati da altri modelli, come i profili dei globuli bianchi e i test di funzionalità tiroidea".

prima di tutto, il team di IBM Research–Haifa ha ipotizzato che un modello che combina apprendimento automatico e deep learning potrebbe essere applicato per valutare il cancro al seno a un livello sia paragonabile a quello dei radiologi sia con le capacità per essere accettato nella pratica clinica come secondo lettore.

Come si è scoperto, sembra che la previsione del cancro al seno con l'intelligenza artificiale con qualcosa di vicino all'accuratezza del livello di un radiologo non fosse un semplice volo dell'immaginazione.

Il lavoro di questi ricercatori IBM appare in Radiologia e discute il modello di intelligenza artificiale in grado di prevedere lo sviluppo del cancro al seno maligno nei pazienti entro l'anno con tassi di accuratezza favorevoli. "Una previsione più accurata potrebbe contenere il potenziale per ridurre il numero di donne inviate per test non necessari o che sperimentano il trauma di essere assegnate inutilmente come ad alto rischio dai modelli tradizionali".

Questa non sarebbe la prima volta che la ricerca si rivolge all'IA per tali scopi. I ricercatori avevano già costruito modelli di previsione basati sull'intelligenza artificiale, disse Adnan Farooqui in Ubergizmo .

Fingas ha fatto la distinzione su cosa c'è di nuovo in questo lavoro. Sebbene esistessero già metodi di previsione dell'IA, o si sono basati su immagini mammografiche o si sono concentrati su cartelle cliniche. "IBM si distingue utilizzando entrambi."

Chorev ha scritto sul blog che questo è stato "il primo algoritmo del suo genere per apprendere e prendere decisioni sia dai dati di imaging che dall'anamnesi completa della salute del paziente".

Quanto completo? La risposta sta nel modo in cui IBM ha addestrato la sua intelligenza artificiale, con immagini mammografiche anonime collegate a biomarcatori (come la storia riproduttiva) e dati clinici, disse Fingas. Secondo il blog IBM Research, hanno addestrato l'algoritmo su 9, 611 mammografie e cartelle cliniche delle donne, con due obiettivi:(1) prevedere la malignità della biopsia e (2) differenziare gli esami di screening normali da quelli anormali.

"Attraverso i partner di ricerca IBM Maccabi Health Services e Assuta Medical Center, due grandi fornitori di servizi sanitari in Israele, il nostro team è stato in grado di ottenere un ampio set di anonimi, immagini mammografiche raccolte volontariamente che sono state anche collegate a registrazioni ricche e dettagliate dei dati clinici dell'individuo corrispondente, come una storia di eventuali diagnosi di cancro, storia della gravidanza e stato della menopausa".

Cosa c'è di più, c'erano tratti che non si scoprono solo nelle immagini, per esempio., carenze di ferro e funzione tiroidea. Globale, ha scritto Chorev, si tratta di una "sorprendente quantità di dati" che fornisce "un profondo pool di informazioni da cui i nostri modelli di apprendimento automatico potrebbero imparare".

La quantità di dati ha permesso agli algoritmi "di collegare modelli e tendenze che altrimenti non sarebbero stati possibili". I dati hanno coinvolto biopsie, test di laboratorio, registri tumori e codici da altre diagnosi e procedure.

Il team vede questo modello di intelligenza artificiale non come un sostituto per i radiologi, ma come un secondo paio di occhi. Oltre alle valutazioni umane, "la precisione è abbastanza buona da poter servire come un 'secondo paio di occhi, ' secondo IBM."

Potrebbe verificare la prognosi di un radiologo e ridurre le possibilità che i pazienti vengano inviati per test di follow-up non necessari.

L'analisi delle mammografie è un compito impegnativo. Le differenze tra lesioni e sfondo potrebbero essere sottili:ci sono più tipi di possibili reperti in forma, dimensione, colore, consistenza e altri fattori.

Attività di radiologia :Sebbene il modello del team non abbia necessariamente superato i radiologi, le sue prestazioni sono rientrate "nell'intervallo accettabile di radiologi per lo screening del cancro al seno".

Per ulteriori letture, il loro articolo "Predire il cancro al seno applicando l'apprendimento profondo a cartelle cliniche e mammografie collegate" appare in Radiologia .

© 2019 Science X Network