انتشار أنظمة دعم القرار الحاسوبية لنتائج التشريح المرضي في السرطان
في 15 يوليو 2019، قدم باحثو مركز ميموريال سلون كيترينغ للسرطان وقسم علم الأمراض بمعهد وايل كورنيل للعلوم الطبية، بقيادة Thomas J. Fuchs، في Nature Medicine نظامًا يعتمد على التعلم، هو deep learning (التعلم العميق). ويملك قدرة تدريب نماذج تصنيف دقيقة على نطاق غير مسبوق، مما أرسى أساس نشر أنظمة دعم القرار الحاسوبية في الممارسة السريرية.
أفاد المؤلفون بأن تطوير أنظمة دعم قرار علم الأمراض واستخدامها سريريًا لم يكن ممكنًا سابقًا بسبب الحاجة إلى مجموعات بيانات كبيرة مشروحة يدويًا.
يتغلب نظام التعلم العميق الموصوف على هذه المشكلة. ويستخدم تحديدًا التشخيصات المبلغ عنها فقط وسومًا للتدريب، متجنبًا الشروح اليدوية على مستوى البكسل المكلفة والمستهلكة للوقت.
وسع الفريق هذا الإطار على مجموعة بيانات تضم 15.177 مريضًا و 44.732 صورة شريحة كاملة، دون أي تنسيق للبيانات.
استطاع النظام تشخيص سرطان البروستاتا وسرطان الخلايا القاعدية الجلدي، ومن سرطان الثدي إلى الإبط نقائلبدقة %98.
عند تطبيقه سريريًا، حافظ اختصاصيو الأمراض على حساسية % 100، دون الحاجة إلى فحص % 65-75 من كتل التشريح المرضي.
خلص المؤلفون من النتائج إلى قدرة النظام على تدريب نماذج تصنيف دقيقة، بما يؤسس لنشر أنظمة دعم القرار الحاسوبية في الممارسة السريرية.
للمشتغلين بالمعلوماتية الطبية، يمكن الوصول من هنا إلى مجموعة MSK العامة لنقائل سرطان الثدي. ويمكن تنزيل الشفرة المصدرية للدراسة من هنا إذ يمكن تنزيلها.
المصادر
هل كان هذا المقال مفيدًا لك؟
تساعدنا ملاحظاتك على تحسين المحتوى.
تعليقات القراء
شارك تعليقك
لا يُنشر اسمك وتعليقك إلا بعد موافقة المسؤول. لا يُعرض بريدك الإلكتروني للزوار مطلقًا.
كن أول من يعلّق.