Исследовательская несколько от Beth Israel Deaconess Medical Center (BIDMC) и Harvard Medical School (HMS) сравнительно не так давно создала способы ИИ (AI), нацеленные на учебные компьютеры, дабы трактовать изображения патологии с долговременной целью строительства приведенных в воздействие AI совокупностей, дабы поставить патологические более правильные заключения.«Отечественный способ AI основан на глубоко изучении, метод машинного обучения, применяемый для диапазона заявлений включая признание изображения и распознавание речи», растолковали патолог Эндрю Бек, Мэриленд, врач философии, директор Биоинформатики в Университете Изучений рака в Beth Israel Deaconess Medical Center (BIDMC) и Адъюнкт-докторе наук в Медицинской школе Гарварда. «Данный подход учит автомобили трактовать сложные образцы и структуру, замечаемую в настоящих данных, строя многослойные неестественные нейронные сети в ходе, что, как думают, показывает неспециализированные черты с процессом обучения, что происходит в слоях нейронов в коре головного мозга мозга, регион, где взоры происходят».Подход лаборатории Бека был сравнительно не так давно проверен на соревнованиях, совершённых на годовом собрании Интернационального Симпозиума Биомедицинского Отображения (ISBI), что включил изображения изучения лимфатических узлов, дабы решить, содержали ли они рак молочной железы. Исследовательская несколько Бека и постдокторантов его лаборатории Дайонг Ван, врач философии и Хумейун Иршед, врач философии, и студент Ришеб Гаргья, вместе с Aditya Khosla Искусственного интеллекта и Лаборатории Информатики MIT, заняла первое место в двух отдельных категориях, соперничающих против учреждений и частных компаний научного изучения со всех стран.
Исследовательская несколько сейчас послала технический отчет, обрисовывающий их подход к хранилищу arXiv.org, находящемуся в открытом доступе архиву электронных печатей в физике, математике, информатике, количественной биологии, статистике и количественных финансах.«Идентификация присутствия либо отсутствия метастатического рака в лимфатических узлах больного есть установленным порядком и критически серьёзной задачей для патологов», растолковал Бек. «Равноправный информационный обмен в микроскоп, дабы просеять через миллионы обычных клеток, дабы выяснить всего пара злокачественных клеток может доказать очень трудоемкие применяющие простые способы. Мы пологали, что это было задачей, что компьютер мог быть достаточно оптимален в – и это, выяснилось, имело место».
В объективной оценке, в которой исследователям дали слайды клеток лимфатического узла и попросили определять, содержали ли они рак, автоматизированный диагностический способ команды доказал правильные примерно 92 процента времени, растолковал Хосла, добавив, «Это практически соответствовало показателю успешности человеческого патолога, результаты которого были на 96 процентов правильны».«Но вправду захватывающая вещь пребывала в том, в то время, когда мы объединили анализ патолога с нашим автоматизированным вычислительным диагностическим способом, итог улучшился с точностью на 99,5 процентов», сообщил Бек. «Объединение этих двух способов стало причиной главному сокращению неточностей».Команда научила компьютер различать злокачественные нормальные регионы и регионы опухоли на базе глубокой многослойной сверточной сети.
«В отечественном подходе мы начали с сотен учебных слайдов, для которых патолог маркировал области и области рака обычных клеток», сообщил Ван. «Мы тогда извлекли миллионы этих маленьких учебных примеров и применяли глубоко обучение выстроить вычислительную модель, дабы классифицировать их». Команда тогда выяснила определенные учебные примеры, для которых компьютер подвержен деланию неточностей и переобучил применяющие компьютеры солидные числа более тяжёлых учебных примеров.
Так работа компьютера улучшалась .«Было большое количество обстоятельств думать, что использование и оцифровка изображений машинного обучения имели возможность оказать помощь патологам быть стремительнее, более правильными и поставить более правильные заключения для больных», добавил Бек. «Это было громадной миссией в области патологии больше 30 лет.
Но это было лишь сравнительно не так давно, что улучшил просмотр, хранение, алгоритмы и обработка разрешили преследовать эту миссию действенно. Отечественные результаты на соревновании ISBI говорят о том, что то, что делает компьютер, по-настоящему интеллектуально и что комбинация компьютерных интерпретаций и человека приведет к более правильным и более клинически полезным заключениям, дабы вести решения лечения».Йерун ван дер Лак, врач философии, что управляет цифровую исследовательскую группу патологии в Медицинском центре Университета имени святого Радбода в Нидерландах и был организатором для соревнования, сообщил, «В то время, когда мы начали эту проблему, мы ожидали кое-какие увлекательные результаты. То, что у компьютеров была практически сопоставимая работа людям, есть методом вне того, что я ожидал.
Это – ясный показатель, что ИИ планирует сформировать метод, которым мы имеем дело с гистопатологическими изображениями в последующие годы».