Отворен източник на ИИ на Google с диагноза Видове рак на белия дроб с екстремна точност!

По-рано, нашите Отворена наука и АИ статии подробно обсъдиха значението на Open Source Science и AI чрез различни приложения, включително здравеопазване и медицина. Напоследък има обещаващи нови подобрения в тези области!

Патологите на рака вече могат да използват усъвършенствана система за изкуствен интелект с отворен код, която вече е постигнала изключително високо ниво на точност при откриването на определени форми на рак на белия дроб!

Това е реализацията на едно от многото видения на новаторите и изследователите от Нюйоркския университет (NYU), описани преди две години в този видеоклип:

Техните системи за изкуствен интелект се наричат ​​DeepPATH, рамка с отворен код, която събира кодовете, които са били използвани за изучаване на използването на дълбока архитектура на ученето (начало на Google v3).

Бъдещето на АИ-подпомаганата терапия изглежда по-обещаващо от всякога, сега, когато изследователите в Нюйоркския университет са проектирали рамката DeepPATH. Техният алгоритъм е създаден, за да го обучи да диференцира и идентифицира изображения на белите дробове, които се състоят от тъкани, които са засегнати от нормален и рак.

Защо е тази страхотна новина?

Най-честата форма на рак в света е ракът на белите дробове. Досега през 2018 г. са докладвани 2, 09 милиона случая на рак на белите дробове, като 1, 76 милиона смъртни случая са свързани само с рак на белия дроб. СЗО я описва ясно.

Има четири основни рискови фактора:

  • Употреба на тютюн
  • Употреба на алкохол,
  • Нездравословна диета
  • Физическа неактивност

Природата хартия (препринт, достъпен тук), озаглавена „Класификация и прогнозиране на мутации от хистопатологични изображения на недребноклетъчен рак на белия дроб, използващи дълбоко учене”, подчертава ефективността на техния алгоритъм при идентифициране на типове рак на белия дроб с 97% точност!

Защо новото изследване е полезно за патологите на рака?

Изследователите постигнаха новия подвиг, като преподадоха своя AI алгоритъм за разграничаване на два специфични вида рак на белия дроб, а именно, аденокарцином (LUAD) и плоскоклетъчен карцином (LUSC), които са най-често срещаните подтипове на рак на белия дроб.

Въз основа на лявото изображение (рак на тъкан от рак на белите дробове), AI го класифицира в три категории, както виждаме отдясно: LUAD е в червено, LUSC в синьо, а Normal / Healthy Lung Tissue е показано като сиво | Източник на изображението тук

В конвенционалната медицинска практика визуалният преглед от опитен патолог е абсолютно необходим за ясното идентифициране на един вид рак на белия дроб от другия. Сега AI може да изпълнява същата задача, тъй като изпълнението на техните дълбоки модели на обучение е сравнимо с всеки от тримата патолози (два торакални и един анатомичен), които са били помолени да участват в това изследване и това е причината, поради която този пробив е толкова значителен. !

Началото на v3 на Google беше обучено да разпознава туморните области въз основа на ръчните селектори на патолозите. Изследователите от Нюйоркския университет обучават дълбока нестабилна невронална мрежа (начало на Google v3) върху изображения от цял ​​слайд, получени от Атлас на генома на рака, за да ги интелигентно класифицират в LUAD, LUSC или Normal Lung Tissue.

В допълнение към идентифицирането на раковата тъкан, екипът също го обучи да идентифицира генетични мутации в тъканта. От десетте най-често мутирали гени в LUAD, шест от тях, а именно STK11, EGFR, FAT1, SETBP1, KRAS и TP53, са били предсказани.

Не само това, но екипът на учените от ИИ също изложи бъдещия аспект на прилагането на същия алгоритъм за разширяване на класификацията на други типове по-рядко срещани рак на белия дроб, като голям клетъчен карцином, дребноклетъчен рак на белия дроб и хистологични подтипове на LUAD. и също така към не-неопластични характеристики (неопластични се отнася до неоплазми), включително некроза, фиброза и други реактивни промени в туморната микросреда.

Те също така споменаха липсата на данни в този момент за такива заявления. Но в бъдеще, ако в крайна сметка се видят повече такива случаи, тогава ще трябва да станат достъпни и повече набори от данни, за да може алгоритъмът да се обучава с тях.

Цялото дълбоко проучване на обучението от екипа беше ускорено чрез използване на значително по-високата изчислителна мощ на графичните процесорни единици или графичните процесори (в сравнение с конвенционалните централни процесори или процесори). В частност те използват един Tesla K20m GPU, като времето за обработка е около 20 секунди. Но те също така подчертаха, че използването на множество графични процесори ще намали това време до няколко секунди.

Нашата най-любима част от тази новина е, разбира се, че целият код на DeepPATH е с отворен код и е лесно достъпен в GitHub. Това би направило наистина полезно за академици и изследователи (както за отделни лица, така и за групи), които работят в подобни изследователски проекти, които също биха искали да прилагат същата система за анализиране и интерпретиране на техните собствени масиви от данни с ИИ. Тези набори от данни могат да бъдат от всякаква форма, която да е от полза за нашето общество.

Ние обсъдихме набори от данни в предишна статия, където описахме как откритите инициативи на НАСА могат да бъдат използвани, за да поискат предложения за набор от данни чрез подаването им на техния портал за отворени данни. Може би наличните масиви от данни там също биха могли да бъдат доста изобретателни за открития ИИ на Google?

Не е ли това невероятно ново събитие за Apply Open Source AI? Искате ли да видите повече подобно развитие в бъдещето на Applied AI с подход с отворен код? Споделете вашите мисли в коментарите по-долу.

Препоръчано

Пълно ръководство за трикратно зареждане на Windows, Kubuntu и Debian
2019
GNOME 3.26 Издаден! Проверете новите функции
2019
3D отпечатване с отворен код: проучване на научни и медицински решения
2019