Neue AI-Modell genau klassifiziert kolorektalen Polypen mit Dias aus 24 Institutionen

Neue AI-Modell genau klassifiziert kolorektalen Polypen mit Dias aus 24 Institutionen

Darmkrebs wird schätzungsweise zu mehr als 53.000 Todesfälle in den USA im Jahr 2020, so dass es die zweithäufigste Ursache von Krebs Tod. Diese Sterberate, jedoch stetig fallen, wahrscheinlich aufgrund der besseren Brustkrebs-screening-Programmen wie der Koloskopie. Während der Koloskopie, ärzte Verbrauchsteuern kolorektalen Polypen und visuell untersuchen Sie Sie auf die Histopathologie Folien für Neoplasie. Erkennung von Krebs in einem frühen, gut heilbaren Stadium und entfernen von pre-invasiven Adenome oder serratierte Läsionen, die letztlich reduziert die Sterblichkeit. Zahlen und Arten von Polypen gefunden, die auch zeigen, können auch zukünftige Risiko für Malignome und sind daher als Grundlage für die screening-Empfehlungen.

Eine künstliche Intelligenz (KI) – Modell zur automatisierten Klassifikation der kolorektalen Polypen profitieren könnten Krebs-screening-Programme durch die Verbesserung der Effizienz, Reproduzierbarkeit und Genauigkeit, sowie Verringerung der Hindernisse für den Zugang zu pathologischen Leistungen. In einer neuen Studie aus Dartmouth sowie der Dartmouth-Hitchcock Norris Cotton Cancer Center, computer science und clinical research team unter der Leitung von Saeed Hassanpour, Ph. D., trainiert ein tiefes neuronales Netz, genau das zu tun. Nicht nur können Ihrem Modell unterscheiden die vier wichtigsten Arten von kolorektalen Polypen auf der Ebene der Praktizierenden Pathologen, Evaluation auf einem Datensatz über mehrere externe Institutionen, sondern beweist auch, dass ein Modell entwickelt, mit Daten aus einer einzelnen institution kann eine hohe Genauigkeit auf externe Daten.

Das team fand heraus, dass ein tiefes neuronales Netz, trainiert auf kolorektale Polypen Daten von der Dartmouth-Hitchcock Medical Center, noch erfolgt mit dem gleichen Maß an Empfindlichkeit und Genauigkeit als Praktizierende Pathologen bei 238 Folien spanning 24 verschiedenen Institutionen in den USA. Diese Ergebnisse „Evaluation eines Tiefen Neuronalen Netzes für die Automatisierte Klassifizierung von Kolorektalen Polypen auf Histologische Objektträger,“ wurde veröffentlicht in JAMA Netzwerk Öffnen. „Unsere Studie ist eine der ersten, die ein tiefes neuronales Netzwerk, das verallgemeinerbare, um Daten aus mehreren externen medizinischen Zentren“, sagt Hassanpour. „Eine Herausforderung im Bereich des deep learning für medizinische Bildanalyse weit verbreitet ist das sammeln von Daten. Hier haben wir Zugriff auf die Histopathologie Folien aus 24 verschiedenen Institutionen, die uns die Möglichkeit gab, zu bewerten und zu zeigen, dass die AI-Modelle, die wir bilden, sind weitgehend verallgemeinerbare, um neue Daten von außerhalb.“

Der Zugang zu einem multi-institutionellen dataset wurde möglich gemacht durch Hassanpour Zusammenarbeit mit Dr. Arief Suriawinata, MD, und seine Arbeitsgruppe von der Abteilung für Pathologie & Labor Medizin an der Dartmouth-Hitchcock Medical Center, und Dr. Elizabeth Barry, Ph. D., von der Abteilung der Epidemiologie an der Geisel School of Medicine an der Dartmouth, sowie Ihren Kolleginnen und Kollegen aus der Vitamin D/Calcium Polyp Prevention Klinische Studie.