I ricercatori hanno preparato un computer per analizzare le immagini del cancro al seno e per classificare i tumori

Facendo uso di tecnologia simile al tipo che il facial di potenze ed il riconoscimento vocale su uno smartphone, ricercatori all'università di centro completo del Cancro di North Carolina Lineberger hanno preparato un computer per analizzare le immagini del cancro al seno e poi per classificare i tumori con alta precisione.

In uno studio pubblicato nel cancro al seno del giornale NPJ, i ricercatori hanno riferito che hanno usato un modulo di intelligenza artificiale chiamato apprendimento automatico, o in profondità imparare, preparare un computer per identificare determinate funzionalità dei tumori del cancro al seno dalle immagini. Il computer egualmente ha identificato il tipo del tumore basato sulle funzionalità molecolari e genomiche complesse, che un patologo non può ancora identificare da una maschera da solo. Credono questo approccio, mentre ancora nelle sue fasi iniziali, potrebbero finalmente piombo alle riduzioni dei costi per la clinica e nella ricerca del cancro al seno.

“Il vostro smartphone può interpretare il vostro discorso e ritrovamento ed identificare le fronti di taglio in una foto,„ ha detto la prima erica D. Couture, un assistente di ricerca dell'autore dello studio laureato nel dipartimento della collina della UNC-Cappella dell'informatica. “Stiamo usando la simile tecnologia dove catturiamo i beni astratti nelle immagini, ma stiamo applicandola ad un problema completamente differente.„

Per lo studio, i ricercatori hanno usato un insieme di 571 immagine dei tumori del cancro al seno dallo studio del cancro al seno della Carolina per preparare il computer per classificare i tumori per il grado, lo stato del ricevitore dell'estrogeno, il sottotipo intrinseco PAM50, il sottotipo istologico ed il rischio di punteggio di ricorrenza. Per fare questo, hanno creato il software che ha imparato come predire i contrassegni dalle immagini facendo uso di un insieme di addestramento, di modo che le nuove immagini hanno potuto essere elaborate allo stesso modo.

Poi hanno usato un insieme differente di 288 immagini per verificare la capacità del computer di distinguere le funzionalità del tumore da sè, confrontanti le risposte del computer ai risultati di un patologo per il grado ed il sottotipo di ogni tumore ed alle prove separate per i sottotipi di espressione genica. Hanno trovato che il computer poteva distinguere basso intermedio contro i tumori di prima scelta 82 per cento del tempo. Quando hanno fatti a due esaminare patologi il grado del tumore per il gruppo basso intermedio del grado, i patologi hanno acconsentito a vicenda circa 89 per cento del tempo, che era leggermente superiore all'accuratezza del computer.

Inoltre, il computer ha identificato lo stato del ricevitore dell'estrogeno, distinto fra i tumori duttali e lobulari e determinato se ogni caso ha avuto un massimo o a basso rischio degli alti livelli di ricorrenza di accuratezza. Egualmente ha identificato uno dei sottotipi molecolari dei cancri al seno - il sottotipo del tipo di basale - che è basato su come i geni all'interno del tumore sono stati espressi - con 77 per cento di accuratezza.

“Facendo uso di intelligenza artificiale, o dell'apprendimento automatico, potevamo fare una serie di cose che i patologi possono fare ad una simile accuratezza, ma potevamo egualmente fare una cosa o due che i patologi non possono fare oggi,„ abbiamo detto Charles M. Perou, il PhD, il professore distinto Shaw dell'oncologia molecolare, professore di UNC Lineberger maggio di Goldman della genetica e della medicina del laboratorio e di patologia nella scuola di medicina di UNC. “Questo ha parecchio da fare in termini di convalida, ma penso che l'accuratezza stia andando soltanto migliorare mentre acquistiamo più immagini per preparare il computer con.„

La capacità del computer di identificare il sottotipo del tipo di basale era emozionante ai ricercatori ed ha potuto avere applicazioni nella ricerca sul cancro. Egualmente credono che la tecnologia potrebbe avere applicazioni nelle comunità che non dispongono dei mezzi di patologia come pure nel contribuire a convalidare i risultati dei patologi.

“Siamo stati sorpresi che il computer poteva ottenere un'alta precisione graziosa nella stima del rischio di biomarcatore appena dall'esame delle maschere,„ abbiamo detto Melissa Troester, il PhD, un professore di UNC Lineberger nel banco di UNC Gillings della salute pubblica globale. “Spendiamo migliaia di dollari che misurano quei biomarcatori facendo uso degli strumenti molecolari e questo nuovo metodo può catturare l'immagine ed ottenere 80 per cento di accuratezza o migliorare a stimare il fenotipo o il sottotipo del tumore. Quello era abbastanza stupefacente.„

Le alte mode hanno detto che la tecnologia della conoscenza profonda è stata utilizzata in un intervallo delle applicazioni, compreso riconoscimento vocale ed i veicoli autonomi.

“Gli esseri umani possono esaminare uno o due esempio di qualcosa e possono generalizzare quando vedono altri oggetti,„ Couture hanno detto. “Per esempio, le presidenze vengono in tanti moduli differenti, ma possiamo riconoscerlo come qualcosa che ci sediamo sopra. I computer si divertono generalizzare dalle piccole quantità di dati. Ma sull'altra mano, se voi fornisce abbastanza dati contrassegnati, possono imparare i concetti che sono molto più complessi degli esseri umani possono valutare visivamente - come identificazione del sottotipo del tipo di basale da un'immagine da solo.„

L'aspetto unico del loro lavoro, i ricercatori hanno detto, era che potevano usare la tecnologia per vedere le funzionalità dei tumori che gli esseri umani non possono. Vogliono capire che cosa il computer sta vedendo come pure studiare se la tecnologia potrebbe predire i risultati.

“Il computer ha estratto molte informazioni dalle immagini,„ Troester ha detto. “Vorremmo provare come queste funzionalità predicono i risultati e se possiamo usare queste funzionalità insieme alle cose come dati molecolari per fare ancora migliore a dare a pazienti un parere preciso di cui il loro corso di malattia assomiglia ed i al che trattamenti potrebbero essere efficaci.„

Sorgente: https://unclineberger.org/news/scientists-trained-a-computer