سامانه‌های محاسباتی پشتیبان تصمیم برای نتایج پاتولوژی سرطان گسترش می‌یابند
در 15 ژوئیه 2019 پژوهشگران مرکز سرطان Memorial Sloan Kettering و بخش پاتولوژی مؤسسه علوم پزشکی Weill Cornell به سرپرستی Thomas J. Fuchs، در Nature Medicine سامانه مبتنی بر یادگیری، deep learning (یادگیری عمیق) را ارائه کردند. این سامانه که می‌تواند در مقیاسی بی‌سابقه مدل طبقه‌بندی دقیق آموزش دهد، پایه استقرار پشتیبان تصمیم محاسباتی در کار بالینی شد.
نویسندگان گزارش کردند توسعه سامانه پشتیبان تصمیم پاتولوژی و استفاده بالینی قبلاً به علت نیاز به حجم بالای مجموعه داده با حاشیه‌نویسی دستی ممکن نبوده است.
سامانه یادگیری عمیق ارائه‌شده بر این مشکل غلبه می‌کند. به‌ویژه فقط تشخیص گزارش‌شده را برچسب آموزش می‌گیرد، پس از حاشیه‌نویسی دستی پیکسل‌محور پرهزینه و زمان‌بر اجتناب می‌کند.
گروه این چارچوب را بر مجموعه داده بدون هیچ پالایش داده‌ای شامل 15.177 بیمار و 44.732 تصویر کامل اسلاید گسترش داد.
سامانه، سرطان پروستات، سرطان سلول بازال پوست و موارد زیر بغل (آگزیلاری) سرطان پستان، یعنی متاستازهایرا با دقت %98 تشخیص داد.
در کاربرد بالینی، با حفظ حساسیت % 100، پاتولوژیست‌ها نیازی به دیدن % 65-75 بلوک‌های پاتولوژی نداشتند.
نویسندگان نتیجه گرفتند یافته‌ها نشان می‌دهد سامانه توان آموزش مدل طبقه‌بندی دقیق را دارد و بنیان استقرار پشتیبان تصمیم محاسباتی در بالین است.
برای فعالان انفورماتیک پزشکی، مجموعه عمومی MSK درباره متاستاز سرطان پستان از اینجا در دسترس است. کد منبع این پژوهش از اینجا قابل دریافت است.
منابع
آیا این مقاله برای شما مفید بود؟
بازخورد شما به بهبود محتوای ما کمک می‌کند.
نظرهای خوانندگان
نظر خود را بنویسید
نام و دیدگاه شما فقط پس از تأیید مدیر منتشر می‌شود. نشانی ایمیل شما هرگز به بازدیدکنندگان نمایش داده نمی‌شود.
اولین نظر را شما بنویسید.