Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

El modelo del aprendizaje de máquina puede lograr la clasificación del patólogo-nivel de las diapositivas del cáncer de pulmón

Usando avances recientes en el aprendizaje de máquina, un equipo de investigación de Dartmouth ha desarrollado una red neuronal profunda para clasificar diversos tipos de una forma común del cáncer de pulmón en diapositivas de la histopatología en un nivel de la exactitud mostrado para estar junto con patólogos

El aprendizaje de máquina ha perfeccionado dramáticamente estos últimos años y gran promesa mostrada en el campo del análisis de imagen médico. Las personas de los especialistas de la investigación en el centro del cáncer del algodón de Norris de Dartmouth han utilizado capacidades de aprendizaje de máquina para ayudar con la tarea desafiadora de las configuraciones y de los subtipos que nivelaban de la adenocarcinoma del pulmón, la forma más común del tumor de la causa de cabeza de muertes cáncer-relacionadas por todo el mundo.

Actualmente, la adenocarcinoma del pulmón, requiere el examen visual del patólogo de las diapositivas del lobectomy determinar las configuraciones y los subtipos del tumor. Esta clasificación tiene un papel importante en pronóstico y la determinación del tratamiento para el cáncer de pulmón, no obstante es una tarea difícil y subjetiva. Usando avances recientes en el aprendizaje de máquina, las personas, llevadas por Saeed Hassanpour, doctorado, desarrollaron una red neuronal profunda para clasificar diversos tipos de adenocarcinoma del pulmón en diapositivas de la histopatología, y para encontrar que el modelo se realizó junto con tres patólogos practicantes.

“Nuestro estudio demuestra que el aprendizaje de máquina puede lograr alto rendimiento en una tarea desafiadora de la clasificación de la imagen y tiene el potencial de ser un poderío a la administración del cáncer de pulmón,” dice Hassanpour. La “puesta en vigor clínica de nuestro sistema podría ayudar a los patólogos para la clasificación exacta de los subtipos del cáncer de pulmón, que es crítica para el pronóstico y el tratamiento.”

Las conclusiones de las personas, la “clasificación del Patólogo-nivel de configuraciones histologic en diapositivas resecadas de la adenocarcinoma del pulmón con las redes neuronales profundas” se publica nuevamente en partes científicos. Reconociendo que la aproximación es potencialmente aplicable a otras tareas del análisis de imagen de la histopatología, las personas de Hassanpour hicieron su clave público - disponible para ascender la nuevas investigación y colaboraciones en este dominio.

Además de probar el modelo de aprendizaje profundo en una fijación clínica para validar su capacidad de perfeccionar la clasificación del cáncer de pulmón, las personas proyectan aplicar el método a otras tareas desafiadoras del análisis de imagen de la histopatología en el pecho, del esófago, y el cáncer colorrectal. “Si está validado con juicios clínicas, nuestro modelo de red neuronal se puede potencialmente ejecutar en práctica clínica de ayudar a patólogos,” dice Hassanpour. “Nuestro método del aprendizaje de máquina es también rápido y puede tramitar una diapositiva en menos de un minuto, así que podría ayudar a pacientes de la clasificación antes del examen de los médicos y ayudar potencialmente grandemente a patólogos en el examen visual de diapositivas.”