Inteligência artificial na histopatologia

A histopatologia é o estudo de como os tecidos mudam durante a doença. É a bandeira de ouro para o diagnóstico da doença, e os avanços na inteligência artificial aumentarão somente a precisão desta técnica.

Histopathologist que mantem três corrediças do microscópio manchadas com hematoxylin & eosina - por Vshivkova

Vshivkova | Shutterstock

Que é inteligência artificial (AI)?

A inteligência artificial é uma aprendizagem de máquina de cerco do termo do guarda-chuva do `' e profundamente aprender, e é baseada na ideia que a máquina pode fornecer uma solução óptima a um problema passando a informação através dos níveis de redes neurais.

Os tipos principais de inteligência artificial (AI) aprendem sendo presentado com uma série de dados etiquetada. No caso da histopatologia, o algoritmo do AI será expor às amostras doentes e saudáveis, de que pegarará alguns marcadores de distinção por si só.

Como pode o AI ser usado na histopatologia?

Em um laboratório da histopatologia, um único diagnóstico envolve tipicamente os especialistas especializados que gastaram 11 ou mais anos de treinamento para identificar correctamente tecido doente através dos microscópios. A avaliação patológica envolve ambo o diagnóstico do tecido, assim como a avaliação prognóstica baseada na arquitetura do tecido e na morfologia das pilhas.

Inicialmente, os avanços tecnológicos foram limitados à segurança de qualidade e a determinadas aplicações da pesquisa. Daqui, a revelação das ferramentas do AI que podem exactamente diagnosticar doenças é um avanço enorme.

A inteligência artificial pode ser aplicada para detectar e contar pilhas, por exemplo nos eventos mitotic que podem ser relevantes para pilhas cancerígenos. Pode igualmente ser aplicada para detectar a segmentação e classificar tecidos como saudável ou doente. Um benefício chave com tal tecnologia artificial é que pode ser aplicado à imagem lactente inteira da corrediça, onde o AI pode automaticamente identificar testes padrões em uma corrediça inteira.

Aplicações actuais do AI na histopatologia

O AIs actual foi mostrado para ser capaz de detectar a metástase do cancro da mama em um nó de linfa. A pesquisa inicial com esta revelou que o AI é capaz de conseguir as taxas de êxito comparáveis a um especialista humano, com uma especificidade de quase 90% e a sensibilidade de 75%. Os tumores detectados mediram 0,2 milímetros ou foram compo do baixo número de pilhas (isto é menos de 200 pilhas).

O AI pode igualmente ser particularmente valioso para tarefas repetitivas, tais como a análise de imagem. As tarefas repetitivas e fastidiosas tendem a fazer os intérpretes humanos furados, que conduz a umas taxas de erro mais altas.

O AI substituirá histopathologists?

Apesar de algum reivindicações cedo e um pouco exagerados, os histopathologists são pouco susceptíveis de ser substituído pelo AI. Contudo, a revelação do AI continuará esperançosamente a fim aumentar a eficiência e a precisão no diagnóstico pela segurança preliminar de execução do diagnóstico e de qualidade. O papel dos histopathologists será assegurar-se de que o AI esteja funcionando como devem, e não esteja interpretando mal estados da pilha.

Alguns compararam a SHIFT à mudança drástica nos deveres do papel e do trabalho que os geneticista e os bioinformaticians experimentaram com o advento de arranjar em seqüência da próxima geração (NGS). Contudo, outro argumentem que a mera pergunta de mesmo se os histopathologists profissionais estarão substituídos é como a comparação da água e do incêndio - são duas coisas muito dissimilares.

O AI é baseado na computação de nível elevado, visto que os seres humanos são cognição de nível elevado, significando eles raciocinará uma opinião cognitiva baseada no treinamento e na experiência com a influência da polarização para produzir o diagnóstico. Isto permite que a informação paciente-específica seja esclarecida, para aumentar primeiramente o valor diagnóstico.

Complicações potenciais

Com uso patente do AI na histopatologia, pode ser difícil determinar a ampliação correcta para a análise do tecido, assegurar a anotação correcta as séries de dados do treinamento deve ter e assegurando a conformidade do conjunto de dados do treinamento.

A série de dados do treinamento é da importância primordial, porque o AI cai sob “lixo dentro, do lixo a categoria para fora”. Mais especificamente, se a série de dados não está construída de exemplos ricos em informações, ou se alguma anotação está incorrecta, pode seriamente impactar a precisão e a capacidade do AI.

Fontes

Last Updated: Dec 19, 2018

Sara Ryding

Written by

Sara Ryding

Sara is a passionate life sciences writer who specializes in zoology and ornithology. She is currently completing a Ph.D. at Deakin University in Australia which focuses on how the beaks of birds change with global warming.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Ryding, Sara. (2018, December 19). Inteligência artificial na histopatologia. News-Medical. Retrieved on January 26, 2020 from https://www.news-medical.net/life-sciences/Artificial-Intelligence-in-Histopathology.aspx.

  • MLA

    Ryding, Sara. "Inteligência artificial na histopatologia". News-Medical. 26 January 2020. <https://www.news-medical.net/life-sciences/Artificial-Intelligence-in-Histopathology.aspx>.

  • Chicago

    Ryding, Sara. "Inteligência artificial na histopatologia". News-Medical. https://www.news-medical.net/life-sciences/Artificial-Intelligence-in-Histopathology.aspx. (accessed January 26, 2020).

  • Harvard

    Ryding, Sara. 2018. Inteligência artificial na histopatologia. News-Medical, viewed 26 January 2020, https://www.news-medical.net/life-sciences/Artificial-Intelligence-in-Histopathology.aspx.

Comments

The opinions expressed here are the views of the writer and do not necessarily reflect the views and opinions of News-Medical.Net.
Post a new comment
Post