კიბოს პათოლოგიური შედეგებისთვის გამოთვლითი გადაწყვეტილების მხარდაჭერის სისტემები ფართოვდება

15 ივლისს, 2019 წელს, Thomas J. Fuchs-ის ხელმძღვანელობით Memorial Sloan Kettering კიბოს ცენტრისა და Weill Cornell სამედიცინო მეცნიერებების ინსტიტუტის პათოლოგიის განყოფილების მკვლევრებმა Nature Medicine სახელწოდების ჟურნალში სწავლაზე დაფუძნებული deep learning (ღრმა სწავლების) სისტემა წარადგინეს. მან, რომელსაც უპრეცედენტო მასშტაბით ზუსტი კლასიფიკაციის მოდელების გაწვრთნა შეუძლია, კლინიკურ პრაქტიკაში გამოთვლითი გადაწყვეტილების მხარდაჭერის სისტემების დანერგვას ჩაუყარა საფუძველი.

ავტორებმა აღწერეს, რომ პათოლოგიის გადაწყვეტილების მხარდაჭერის სისტემების განვითარება და კლინიკურ პრაქტიკაში გამოყენება ადრე შეუძლებელი იყო ხელით მონიშნული დიდი მონაცემთა ნაკრებების საჭიროების გამო.

მათ მიერ აღწერილი ღრმა სწავლების სისტემა ამ პრობლემას გადალახავს. ეს ახალი სისტემა სწავლების ეტიკეტებად მხოლოდ ანგარიშში დაფიქსირებულ დიაგნოზებს იყენებს და ამგვარად პიქსელებზე ორიენტირებულ ძვირ და შრომატევად ხელით დამატებით მონიშვნას თავიდან იცილებს.

კვლევის გუნდმა ეს ჩარჩო მასშტაბურად გამოიყენა 15.177 პაციენტის 44.732 სრული სლაიდის გამოსახულების მონაცემთა ნაკრებზე, რაიმე მონაცემთა კურატორობის გარეშე.

სისტემამ პროსტატის კიბოს, კანის ბაზალურუჯრედოვანი კიბოსა და ძუძუს კიბოს აქსილარული (იღლიის) მეტასტაზებისდიაგნოსტიკა %98 სიზუსტით შეძლო.

კლინიკური გამოყენებისას სისტემამ პათოლოგებს % 100 მგრძნობელობის შენარჩუნებით პათოლოგიური ბლოკების % 65-75-ის დათვალიერების საჭიროება მოუხსნა.

ავტორებმა დაასკვნეს, რომ მათი შედეგებით სისტემას შეუძლია ზუსტი კლასიფიკაციის მოდელების გაწვრთნა, რაც კლინიკურ პრაქტიკაში გამოთვლითი გადაწყვეტილების მხარდაჭერის სისტემების დანერგვის საფუძველს ქმნის.

სამედიცინო ინფორმატიკით დაინტერესებულებს საჯაროდ გაზიარებული MSK-ის ძუძუს კიბოს მეტასტაზის მონაცემთა ნაკრები აქედან შეუძლიათ მიიღონ. ამ კვლევის წყაროს კოდი აქედან შეიძლება ჩამოიტვირთოს.

• ყველა ჩვენი სიახლე კიბოში ხელოვნურ ინტელექტზე