בדיקות סקר לסרטן ריאות על-בסיס LDCT (Low-Dose Computed Tomography) מומלצת כעת לאוכלוסיות מסוימות, ולמרות שהוכח כי גישה זו עשויה להפחית את שיעורי התמותה, ישנם אתגרים עם טכנולוגיה זו, כולל שונות בין בודקים ושיעורים גבוהים של תוצאות חיוביות-שגויות ושליליות-שגויות. במאמר שפורסם בכתב העת Nature Medicine מדווחים חוקרים על תוצאות מחקר חדש, מהן עולה כי בינה מלאכותית עשויה לסייע להתגבר על חלק מהמגבלות הללו.
החוקרים מ-Google הכשירו אלגוריתם למידה-עמוקה לזיהוי נגעים ממאירים בריאות מבין למעלה מ-42,000 בדיקות CT. הם ביקשו לבחון כיצד בינה מלאכותית עשויה לסייע עם האתגרים הכרוכים בבדיקת LDCT כבדיקות סקר לסרטן ריאות.
זוהו שלושה מרכיבים עיקריים לגישה החדשה הנ”ל: ראשית, מדובר במודל תלת-ממדי אשר משולב עם CNN (Convolutional Neural Networks) סוג של בינה מלאכותית אשר ישלים ניתוח קצה לקצה של בדיקת ההדמיה עם עדות לממאירות בבדיקה פתולוגית ושימש להכשרת האלגוריתם. שנית, המודל הוכשר להתמקד באזורים בעלי עניין לזיהוי אזורים בהם עשויים להתפתח נגעים ממאירים. לסיום, החוקרים פיתחו מודל חיזוי סיכון לממאירות אשר יפעל באופן בלתי-תלוי.
במסגרת המחקר האלגוריתם שימש להערכת 6,716 בדיקות CT להערכת הדיוק של המערכת החדשה.
האלגוריתמים הובילו לירידה של 11% בשיעור התוצאות החיוביות-שגויות ולירידה של 5% בשיעור התוצאות השליליות-שגויות, בהשוואה לרדיולוגים מיומנים שבחנו את אותן הסריקות. המודל השיג שטח מתחת לעקומה של 94.4% בקבוצת מקרים זו ולאחר מכן הדגים תוצאות דומות במדגם תיקוף שכלל 1,139 מקרים.
מומחים בתחום מסבירים כי מודל תלת ממדי עם למידה עמוקה הכולל ממד נוסף הוביל לשיפור ניכר בדיוק, עם שיעורי דיוק של מעל 90%. עם זאת, החוקרים קוראים להשלים מחקרים נוספים בכדי לאשר ממצאים אלו.
Nature Medicine. Published online May 20, 2019
e-Med Tools
קצר קולע וממוקד
e-Med סמינרים
אי-מד תחקירים
Medscape Tools
Journal Club
מרכזי מידע ושירות
Facebook
מידע למפרסם
מאגר תרופות
אינדקס שימושי
חדשות משה"ב
eMed HealthClub
מחקרים קליניים
השאירו תגובה
רוצה להצטרף לדיון?תרגישו חופשי לתרום!