Los investigadores han entrenado a una computador para analizar imágenes del cáncer de pecho y para clasificar tumores

Usando la tecnología similar al tipo que el facial y el reconocimiento de voz en un smartphone, investigadores de las potencias en la universidad del centro completo del cáncer de Carolina del Norte Lineberger han entrenado a una computador para analizar imágenes del cáncer de pecho y después para clasificar los tumores con alta exactitud.

En un estudio publicado en el cáncer de pecho del gorrón NPJ, los investigadores denunciaron que utilizaron una forma de la inteligencia artificial llamada aprendizaje de máquina, o profundamente aprendizaje, entrenar a una computador para determinar ciertas características de los tumores del cáncer de pecho de imágenes. La computador también determinó el tipo del tumor basado en las características moleculares y genomic complejas, que un patólogo no puede todavía determinar de un retrato solamente. Creen esta aproximación, mientras que aún en sus primeros tiempos, podrían llevar eventual al ahorro en costes para la clínica y en la investigación del cáncer de pecho.

“Su smartphone puede interpretar su discurso, y hallazgo y determinar caras en una foto,” dijo el primer brezo D. Couture, asistente del autor del estudio de investigación graduado en el departamento de la colina de la UNC-Capilla de informática. “Estamos utilizando la tecnología similar donde capturamos propiedades abstractas en imágenes, pero lo estamos aplicando a un problema totalmente diverso.”

Para el estudio, los investigadores utilizaron un equipo de 571 imágenes de los tumores del cáncer de pecho del estudio del cáncer de pecho de Carolina para entrenar a la computador para clasificar los tumores para la pendiente, el estado del receptor del estrógeno, el subtipo intrínseco PAM50, el subtipo histologic, y el riesgo de muesca de la repetición. Para hacer esto, crearon el software que aprendió cómo predecir escrituras de la etiqueta de imágenes usando un equipo del entrenamiento, de modo que las nuevas imágenes se pudieran tramitar de la misma manera.

Entonces utilizaron un diverso equipo de 288 imágenes para probar la capacidad de la computador de distinguir las características del tumor en sus los propio, comparando las reacciones de la computador a las conclusión de un patólogo para la pendiente y el subtipo de cada tumor, y a las pruebas separadas para los subtipos de la expresión génica. Encontraron que la computador podía distinguir inferior-intermedio comparado con tumores de alto grado el 82 por ciento del tiempo. Cuando tenían dos patólogos revisar la pendiente del tumor para el grupo inferior-intermedio de la pendiente, los patólogos estuvieron de acuerdo con uno al cerca de 89 por ciento del tiempo, que era ligeramente más alto que la exactitud de la computador.

Además, la computador determinó el estado del receptor del estrógeno, distinguida entre los tumores ductales y lobulados, y determinada si cada caso tenía un alto o poco arriesgado de niveles de la repetición de la exactitud. También determinó uno de los subtipos moleculares de los cánceres de pecho - básico-como el subtipo - que se basa en cómo los genes dentro del tumor fueron expresados - con el 77 por ciento de exactitud.

“Usando la inteligencia artificial, o el aprendizaje de máquina, podíamos hacer varias cosas que los patólogos pueden hacer en una exactitud similar, pero podíamos también hacer una cosa o dos que los patólogos no pueden hacer hoy,” dijimos a Charles M. Perou, doctorado, el profesor distinguido Shaw de la oncología molecular, profesor de UNC Lineberger de mayo Goldman de la genética, y del remedio de la patología y del laboratorio en la Facultad de Medicina de UNC. “Esto tiene mucho por hacer en términos de validación, pero pienso que la exactitud va solamente a conseguir mejor mientras que detectamos más imágenes para entrenar a la computador con.”

La capacidad de la computador de determinar básico-como subtipo era emocionante a los investigadores, y podía tener usos en la investigación de cáncer. También creen que la tecnología podría tener usos en las comunidades que no tienen recursos de la patología así como en la ayuda validar las conclusión de los patólogos.

“Nos sorprendieron que la computador podía conseguir una exactitud bastante alta en el cálculo de riesgo del biomarker apenas de observar los retratos,” dijimos a Melissa Troester, doctorado, profesor de UNC Lineberger en la escuela de UNC Gillings de la salud pública global. “Gastamos millares de dólares que miden esos biomarkers usando las herramientas moleculares, y este nuevo método puede tomar la imagen y conseguir el 80 por ciento de exactitud o mejorarlo en el cálculo del fenotipo o del subtipo del tumor. Eso era bastante asombroso.”

Las costuras dijeron que la tecnología profundamente de enseñanza se ha utilizado en un alcance de usos, incluyendo el reconocimiento de voz y vehículos autónomos.

Los “seres humanos pueden observar uno o dos ejemplos algo, y puedan generalizar cuando ven otros objetos,” a Couture dijeron. “Por ejemplo, las sillas vienen en tan muchas diversas formas, pero podemos reconocerla como algo que nos sentamos conectado. Las computadores tienen un rato mucho más duro el generalizar de pequeñas cantidades de datos. Pero en la otra mano, si usted ofrece suficiente datos etiqueta, pueden aprender los conceptos que son mucho más complejos que los seres humanos pueden fijar visualmente - por ejemplo determinar básico-como subtipo de una imagen solamente.”

El aspecto único de su trabajo, los investigadores dijeron, eran que podían utilizar la tecnología para ver las características de los tumores que no pueden los seres humanos. Quieren imaginar lo que está viendo la computador, así como estudiar si la tecnología podría predecir resultados.

“La computador extrajo mucha información de las imágenes,” Troester dijo. “Quisiéramos probar como de bien estas características predicen resultados, y si podemos utilizar estas características así como cosas como los datos moleculares para hacer incluso mejor en el donante los pacientes de una vista exacta de lo que parece su curso de la enfermedad, y qué tratamientos pudieron ser efectivos.”

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