癌症的肺癌和人工智能的兴起

你是否意识到,我们正在见证的非凡增长人工智能(AI)在我们的眼前。虽然引入了无数的行业中,它也开始改变世界的医疗和全球各地的研究人员正在致力于发现其潜力。这项技术特别围绕早期发现了癌症研究的共鸣,长期关注癌症的社区。

推进医学研究

虽然人工智能的概念似乎是压倒性的,但它可以分解为两个简单的方法:机器学习更深的学习。机器学习的重点在于翻译和理解数值数据,而深度学习的重点在于计算机如何学会识别关键特性在一个图像。人工智能的一个方面,几乎每天都是图像识别。深度学习的这种形式的一个例子包括Facebook的能力自动标记的朋友照片,显示建议内容的流媒体服务基于你先前认为,Siri等或虚拟个人助理。这种技术经常不假思索,但现在研究人员认识到其开创性的潜在的肿瘤。

创始人陈Kuan Infervision,机器学习和计算机视觉公司专注于癌症诊断,致力于他的工作深度学习和图像识别在中国战斗死亡的主要原因:肺癌。Kuan认识到医生的短缺,这常常迫使医生评估成千上万的图像,导致疲劳和最终诊断错误。他的研究使AI预测如果x射线是正常的,允许放射科医生仅仅关注异常图像和节省大量的时间和精力。

研究人员甚至认为10年后,所有医疗成像由人工智能初步审核之前达到放射科医生。这个进步将帮助专家优化图像,需要立即采取行动与那些不那么紧迫问题,同时收集数据和识别关键模式表明癌症或其他危及生命的疾病。

人工智能和放射学

占21%的癌症死亡,肺癌仍是癌症死亡的主要原因。在英国(英国)。而低剂量计算机断层扫描(CT)检查已经成为最重要的早期检测,人工智能诊断内慢慢获得动力。

就在去年,一年会举行的北美放射学会(RSNA)深入讨论了人工智能可以帮助放射科医生更好地检测肺癌。焦点落在发达国家和加拿大研究者发现成功的机器学习模型,可以确定一个恶性肺结节。Aerts博士,哈佛大学研究员,继续表达,AI能够超越人类的眼睛能够看到并且可以检测微妙,然而关键,良性和恶性肿瘤的区别。

此外,在美国佛罗里达中央大学最近宣布,工程师们开发了一个教计算机的人工智能模型如何识别微小的痕迹肺癌在CT扫描。虽然这是一个众所周知的放射科医生面临的挑战,模型的结果约95%准确,当他们更接近65%的准确率,当手动完成的。佛罗里达大学研究团队计划与医院合作来实现这个模型和本月邀请去展示他们的研究在医学图像的国际会议和计算和计算机辅助干预(MICCAI),医学成像研究迄今为止最大的会议。

其他肺部疾病,如胸膜间皮瘤和肺动脉高压AI的帮助下,看到了一些进步。间皮瘤,积极形式的癌症发生由于石棉暴露,继续树桩肿瘤学领域的研究人员。这罕见的癌症最常见影响肺部健康和安全执行报告在英国有2595人死于间皮瘤仅在2016年。研究人员尚未发现一个标准诊断过程或形式的治疗,患者提供更好的结果。

研究人员在土耳其创造了一个人工免疫系统(AIS)针对恶性胸膜间皮瘤患者(MPM)。2015年的研究比较了AIS的结果分类癌症对多层神经网络的结果。结果表明,该系统成功地分类数据准确率达到了97.74%,比91.3%的准确率的数据集蒂格里斯大学医学学院医院基于病人的报告。本研究证明了AIS可能比以前更有效的诊断方法,可能更好的帮助医生MPM的分类。

人工智能在医疗领域的崛起已经证明了一种治疗癌症的可能存在,但还有更多的工作有待完成。虽然一些看到无穷无尽的可能性,也有人认为它可能减少现实生活中的医生和批判性思考的价值。的一份报告统计宣称IBM的超级计算机来癌症治疗无效的结论,也担心周围的医生未能认识到当系统做出了一个错误。这促使专业人士寻求标准法规在不断变化的世界的医疗技术,以确保病人安全,接受最好的治疗是可能的。

虽然这些问题是有效的,研究继续证明有效的人工智能将比以往早检测和诊断癌症。一旦实施适当的法规,AI有潜力减少假阳性和推进结节检测和评价。