Search Icon
ΑΝΑΖΗΤΗΣΗ
Τεχνολογία

Μηχανική μάθηση υγεία: Το machine learning επιτρέπει την βέλτιστη ταξινόμηση του καρκίνου μαστού

Μηχανική μάθηση υγεία: Το machine learning επιτρέπει την βέλτιστη ταξινόμηση του καρκίνου μαστού

Μηχανική μάθηση υγεία: Σε ένα ιατρικό εργαστήριο, ένα τέτοιο μοντέλο υπόσχεται εξοικονόμηση χρόνου ταξινομώντας τις εικόνες γρηγορότερα από άλλες τεχνολογίες που χρησιμοποιούνται στο εργαστήριο.


Ένα μοντέλο μηχανικής μάθησης που αναπτύχθηκε από το Michigan Tech χρησιμοποιεί την πιθανότητα να ταξινομήσει με μεγαλύτερη ακρίβεια τον καρκίνο του μαστού που εμφανίζεται στις ιστοπαθολογικές εικόνες και να αξιολογήσει την αβεβαιότητα των προβλέψεών του. Στην εργασία τους που δημοσιεύτηκε πρόσφατα στο περιοδικό IEEE Transactions on Medical Imaging, οι μεταπτυχιακοί φοιτητές μηχανολογίας Ponkrshnan Thiagarajan και Pushkar Khairnar και η Susanta Ghosh, επίκουρη καθηγήτρια μηχανολογίας και ειδικός στη μηχανική μάθηση, σκιαγραφούν το νέο τους πιθανοτικό μοντέλο μηχανικής μάθησης.

Καρκίνος του μαστού: Μια πραγματική μάστιγα

Ο καρκίνος του μαστού είναι ο πιο συχνός καρκίνος με το υψηλότερο ποσοστό θνησιμότητας. Η ταχεία ανίχνευση και διάγνωση μειώνει τον αντίκτυπο της νόσου. Ωστόσο, η ταξινόμηση του καρκίνου του μαστού με χρήση ιστοπαθολογικών εικόνων είναι μια πρόκληση λόγω της μεροληψίας στα δεδομένα και της μη διαθεσιμότητας σχολιασμένων δεδομένων σε μεγάλες ποσότητες. Η αυτόματη ανίχνευση του καρκίνου του μαστού χρησιμοποιώντας το συνελικτικό νευρωνικό δίκτυο, μιας τεχνικής μηχανικής μάθησης, έχει αποδειχθεί πολλά υποσχόμενη. Ωστόσο, σχετίζεται με υψηλό κίνδυνο ψευδώς θετικών και ψευδώς αρνητικών.

Ένα νέο μοντέλο μηχανικής μάθησης που αναπτύχθηκε από ερευνητές του Τεχνολογικού Πανεπιστημίου του Μίσιγκαν μπορεί να αξιολογήσει την αβεβαιότητα στις προβλέψεις του καθώς ταξινομεί καλοήθεις και κακοήθεις όγκους, συμβάλλοντας στη μείωση αυτού του κινδύνου. “Οποιοσδήποτε αλγόριθμος μηχανικής μάθησης που έχει αναπτυχθεί μέχρι στιγμής θα έχει κάποια αβεβαιότητα στην πρόβλεψή του”, δήλωσε ο Thiagarajan. “Δεν υπάρχει τρόπος να ποσοτικοποιηθούν αυτές οι αβεβαιότητες. Ακόμα κι αν ένας αλγόριθμος μας λέει ότι ένα άτομο έχει καρκίνο, δεν γνωρίζουμε το επίπεδο εμπιστοσύνης σε αυτήν την πρόβλεψη.”

Λεπτομέρειες για το νέο μοντέλο μηχανικής μάθησης

Το μοντέλο Michigan Tech διαφοροποιεί τις αρνητικές και τις θετικές κατηγορίες αναλύοντας τις εικόνες, οι οποίες στο πιο βασικό τους επίπεδο είναι συλλογές pixel. Εκτός από αυτήν την ταξινόμηση, το μοντέλο μπορεί να μετρήσει την αβεβαιότητα στις προβλέψεις του. Σε ένα ιατρικό εργαστήριο, ένα τέτοιο μοντέλο υπόσχεται εξοικονόμηση χρόνου ταξινομώντας τις εικόνες γρηγορότερα από μια τεχνολογία εργαστηρίου. Και, επειδή το μοντέλο μπορεί να αξιολογήσει το δικό του επίπεδο βεβαιότητας, μπορεί να παραπέμψει τις εικόνες σε έναν άνθρωπο ειδικό όταν είναι λιγότερο σίγουρο.

Γιατί όμως ένας μηχανολόγος μηχανικός δημιουργεί αλγόριθμους για την ιατρική κοινότητα; Η ιδέα του Thiagarajan ξεκίνησε όταν άρχισε να χρησιμοποιεί μηχανική μάθηση για να μειώσει τον υπολογιστικό χρόνο που απαιτείται για προβλήματα μηχανολογίας. Είτε ένας υπολογισμός αξιολογεί την παραμόρφωση των δομικών υλικών είτε καθορίζει εάν κάποιος έχει καρκίνο του μαστού, είναι σημαντικό να γνωρίζουμε την αβεβαιότητα αυτού του υπολογισμού—οι βασικές ιδέες παραμένουν οι ίδιες. “Ο καρκίνος του μαστού είναι ένας από τους καρκίνους που έχει την υψηλότερη θνησιμότητα και την υψηλότερη συχνότητα εμφάνισης”, είπε ο Thiagarajan.

 

Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον Κόσμο
Ακολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube

Διαβάστε Eπίσης:

Η άσκηση ανακουφίζει από τον πόνο μετά από χειρουργείο για καρκίνο μαστού

Παράγοντες που αυξάνουν τον κίνδυνο μετάστασης του καρκίνου του μαστού σύμφωνα με διεθνή μελέτη

Την ερχόμενη δεκαετία τα health tracking apps μεταμορφώνουν την υγειονομική περίθαλψη

Ξεκλειδώνοντας το ανθρώπινο δυναμικό μέσω υπεραυτοματισμού

svg%3E svg%3E
svg%3E
svg%3E
Περισσότερα

Σαρώσεις προβλέπουν τις γλωσσικές ικανότητες παιδιών με ΔΑΦ

Σαρώσεις εγκεφάλου: Μελετώντας την εγκεφαλική δραστηριότητα κατά τη διάρκεια γλωσσικών εργασιών, οι ερευνητές μπορούν να εντοπίσουν τις περιοχές του εγκεφάλου που είναι υπεύθυνες για την παραγωγή και κατανόηση της γλώσσας.

Tεστ DNA για την βακτηριακή κολπίτιδα

Βακτηριακή κολπίτιδα: Eρευνητές ανέπτυξαν ένα απλό εργαστηριακό τεστ βασισμένο σε DNA PCR, σε μια πιο λεπτομερή γενετική ανάλυση της κύριας ομάδας βακτηριακών οργανισμών που προκαλούν τη μόλυνση.

Πώς η φορητή τεχνολογία μεταμορφώνει τη φροντίδα των ποδιών

Φορητή τεχνολογία: Είναι ένα σημαντικό βήμα προς τα εμπρός για την υγεία των ποδιών. Προσφέρει έγκαιρες προειδοποιήσεις και εξατομικευμένες πληροφορίες πέρα ​​από την παραδοσιακή μέθοδο.

Πώς οι μαγνητικές σαρώσεις εντοπίζουν 6 τύπους κατάθλιψης 

Μαγνητικές σαρώσεις: Αυτές οι ανακαλύψεις με τη χρήση μαγνητικών σαρώσεων προτείνουν ότι η κατάθλιψη δεν είναι μια ενιαία διαταραχή αλλά ένα σύνθετο φαινόμενο με πολλές υποκατηγορίες, καθένα από τα οποία απαιτεί διαφορετική προσέγγιση στη διάγνωση και θεραπεία.

Η ανάπτυξη μίνι εντέρων βοηθά τη νόσο Crohn

Νόσος Crohn: Οι μίνι εντερικές καλλιέργειες μπορούν να παρέχουν πληροφορίες σχετικά με το πώς οι διαφορετικοί τύποι φλεγμονής επηρεάζουν την εντερική λειτουργία.

Μίνι κυλιόμενο ρομπότ παίρνει εικονικές βιοψίες

Ρομποτική: Είναι η πρώτη φορά που κατέστη δυνατή η δημιουργία τρισδιάστατων εικόνων υπερήχων υψηλής ανάλυσης που λαμβάνονται από έναν ανιχνευτή βαθιά μέσα στη γαστρεντερική οδό ή στο έντερο.

Close Icon