LIFE

Σύστημα τεχνητής νοημοσύνης κάνει επιτυχημένες διαγνώσεις καρκίνου του δέρματος

Σύστημα τεχνητής νοημοσύνης, που βασίζεται σε αλγόριθμο βαθιάς μάθησης, εξετάζει φωτογραφίες ανθρώπων στον υπολογιστή και μπορεί να διαγνώσει είδη διαφόρων καρκίνων του δέρματος, με ακρίβεια ανάλογη με εκείνη των δερματολόγων.

Σύμφωνα με τους ειδικούς, το νέο επίτευγμα μπορεί να απλουστεύσει μελλοντικά το έργο των δερματολόγων.

Ο καρκίνος του δέρματος είναι η συχνότερη μορφή κακοήθειας στους ανθρώπους. Η αρχική διάγνωσή που συνήθως γίνεται δια γυμνού οφθαλμού ή με το δερματοσκόπιο, μετά επιβεβαιώνεται μέσω βιοψίας και ιστολογικών εξετάσεων.

Η αυτοματοποίηση της διάγνωσης από υπολογιστικό σύστημα δεν είναι εύκολη υπόθεση, επειδή οι αλλοιώσεις του δέρματος εμφανίζουν μεγάλη ποικιλομορφία.



Ερευνητές του πανεπιστημίου Στάνφορντ της Καλιφόρνια, με επικεφαλής τον Αντρέ Εστέβα του Εργαστηρίου Τεχνητής Νοημοσύνης, έκαναν τη σχετική δημοσίευση στο περιοδικό «Nature», αναπτύσσοντας έναν εξελιγμένο αλγόριθμο που εκπαιδεύτηκε στις διαγνώσεις μελετώντας περίπου 130.000 εικόνες από 2.000 διαφορετικές δερματικές παθήσεις (καρκίνο και άλλες).

Το σύστημα, που συνεχίζει να μαθαίνει από την εμπειρία του, μπορεί ήδη να αναγνωρίζει τόσο τα πιο συνηθισμένα είδη καρκίνου του δέρματος αλλά και τα πιο θανατηφόρα, όπως το κακόηθες καρκίνωμα και το μελάνωμα αντίστοιχα.

Η απόδοση του συστήματος συγκρίθηκε με εκείνη 21 δερματολόγων και βρέθηκε ουσιαστικά στο ίδιο επίπεδο, με ακρίβεια τουλάχιστον 91%. Σε επόμενη φάση, το σύστημα πρέπει να δοκιμασθεί σε πραγματικές κλινικές συνθήκες.

Οι ερευνητές θεωρούν ότι ένα παρόμοιο σύστημα τεχνητής νοημοσύνης μπορεί να αξιοποιηθεί σε άλλα ιατρικά πεδία, όπως η οφθαλμολογία, η ακτινολογία και η παθολογία.

Αν μάλιστα ενσωματωθεί ως εφαρμογή σε smarthphone, μπορεί να προσφέρει μια φθηνή και ευρεία πρόσβαση σε ζωτικές διαγνωστικές εξετάσεις, π.χ. σε μέρη όπου υπάρχει έλλειψη σχετικών διαγνωστικών κέντρων ή ακόμη και γιατρών.

Η πενταετής επιβίωση μετά τη διάγνωση του μελανώματος φθάνει πλέον το 97%, αν η ανίχνευση γίνει έγκαιρα, αλλά πέφτει στο 14%, αν η διάγνωση γίνει με καθυστέρηση. Συνεπώς, όπως και σε άλλες μορφές καρκίνου, η έγκαιρη διάγνωση είναι ζωτικής σημασίας και σε αυτό μπορεί να βοηθήσει η τεχνητή νοημοσύνη.

Η βαθιά και γενικότερα η μηχανική μάθηση εκπαιδεύει έναν υπολογιστή έτσι ώστε να λύνει ένα πρόβλημα μόνος του, μαθαίνοντας από τα δεδομένα, χωρίς να χρειάζεται εκ των προτέρων ο σχετικός προγραμματισμός με τον κατάλληλο κώδικα, αφού ο αλγόριθμος αναλαμβάνει πρωτοβουλίες.

Η σχετική τεχνολογία εφαρμόζεται όλο και συχνότερα στην επεξεργασία εικόνων και, σταδιακά, και στην ιατρική.

Σχετικά άρθρα

Back to top button
Close
Close