Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

O sistema do AI podia ajudar melhor a detectar e diagnosticar o cancro da mama

Os pesquisadores do UCLA desenvolveram um sistema de inteligência artificial que poderia ajudar patologistas a ler mais exactamente biópsias e melhor a detectar e diagnosticar o cancro da mama.

O sistema novo, descrito em um estudo que seja publicado na rede do JAMA aberta, ajudas interpreta as imagens médicas usadas para diagnosticar o cancro da mama que pode ser difícil para que o olho humano classifique, e faz tão quase tão exactamente ou melhora quanto patologistas experimentados.

É crítico obter desde o início um diagnóstico correcto de modo que nós possamos guiar pacientes aos tratamentos os mais eficazes.”

Dr. Joann Elmore, o autor do estudo e professor de medicina superiores, Faculdade de Medicina de David Geffen, UCLA

Um estudo 2015 conduzido por Elmore encontrou que os patologistas discordam frequentemente na interpretação das biópsias do peito, que são executadas em milhões de mulheres todos os anos. Isso uma pesquisa mais adiantada revelou que os erros diagnósticos ocorreram em aproximadamente um de cada seis mulheres que tiveram in situ de carcinoma ductal (um tipo não invasor de cancro da mama), e que os diagnósticos incorrectos estiveram dados ao aproximadamente meio dos exemplos da biópsia do atypia do peito (as pilhas anormais que são associadas com um risco mais alto para o cancro da mama).

“As imagens médicas de biópsias do peito contêm muitos dados complexos e interpretá-los pode ser muito subjetiva,” disse Elmore, que é igualmente um pesquisador no centro detalhado do cancro do UCLA Jonsson. “Distinguir o atypia do peito de in situ de carcinoma ductal é importante clìnica mas muito desafiante para patologistas. Às vezes, os doutores concordam nem sequer com seu diagnóstico precedente quando são mostrados ao mesmo caso um o ano mais tarde.”

Os cientistas raciocinaram que a inteligência artificial poderia fornecer umas leituras mais exactas consistentemente porque seleccionando de uma grande série de dados, o sistema pode reconhecer testes padrões nas amostras que são associadas com o cancro mas é difícil para que os seres humanos considerem.

A equipe alimentou 240 imagens da biópsia do peito em um computador, treinando o para reconhecer os testes padrões associados com diversos tipos de lesões do peito, variando de benigno (noncancerous) e atypia a in situ de carcinoma ductal, ou DCIS, e cancro da mama invasor. Separada, os diagnósticos correctos para cada imagem foram determinados por um consenso entre três patologistas peritos.

Para testar o sistema, os pesquisadores compararam suas leituras aos diagnósticos independentes feitos por 87 patologistas praticando dos E.U. Quando o programa da inteligência artificial veio perto da execução assim como dos doutores humanos em diferenciar o cancro dos exemplos do não-cancro, o programa do AI outperformed doutores ao diferenciar DCIS do atypia -; considerou o grande desafio no diagnóstico do cancro da mama. O sistema determinou correctamente se as varreduras mostraram DCIS ou atypia mais frequentemente do que os doutores; teve uma sensibilidade entre 0,88 e 0,89, quando a sensibilidade média dos patologistas era 0,70. (Uma contagem mais alta da sensibilidade de A indica uma probabilidade maior que um diagnóstico e uma classificação estejam correctos.)

“Estes resultados são muito encorajadores,” Elmore disse. “Há uma baixa precisão entre patologistas praticando nos E.U. quando se trata do diagnóstico do atypia e de in situ de carcinoma ductal, e a aproximação automatizada por computador mostra a grande promessa.”

Os pesquisadores estão trabalhando agora em treinar o sistema para diagnosticar a melanoma.