使用 AI 從患者數(shù)據(jù)中安全地檢測癌癥

包括利茲大學醫(yī)學科學家在內(nèi)的一個團隊已經(jīng)開發(fā)出一種使用人工智能從患者數(shù)據(jù)中預測癌癥而不會將個人信息置于危險之中的新方法。

人工智能 (AI) 可以分析大量數(shù)據(jù)，例如圖像或試驗結(jié)果，并且可以識別人類通常無法檢測到的模式，這使其在加快疾病檢測、診斷和治療方面具有很高的價值。

然而，在醫(yī)療環(huán)境中使用該技術(shù)存在爭議，因為存在意外數(shù)據(jù)泄露的風險，而且許多系統(tǒng)由私人公司擁有和控制，使他們能夠訪問機密的患者數(shù)據(jù)，并有責任保護這些數(shù)據(jù)。

研究人員著手探索一種稱為群體學習的人工智能形式是否可用于幫助計算機預測患者組織樣本醫(yī)學圖像中的癌癥，而無需從醫(yī)院發(fā)布數(shù)據(jù)。

群體學習訓練人工智能算法來檢測當?shù)蒯t(yī)院或大學的數(shù)據(jù)模式，例如人體組織圖像中的基因變化。然后，群學習系統(tǒng)將這個新訓練的算法(但重要的是沒有本地數(shù)據(jù)或患者信息)發(fā)送到中央計算機。在那里，它以相同的方式與其他醫(yī)院生成的算法相結(jié)合，以創(chuàng)建優(yōu)化算法。然后將其發(fā)送回當?shù)蒯t(yī)院，在那里將其重新應用于原始數(shù)據(jù)，由于其更靈敏的檢測能力，改進了對基因變化的檢測。

通過多次執(zhí)行此操作，可以改進算法并創(chuàng)建適用于所有數(shù)據(jù)集的算法。這意味著可以應用該技術(shù)，而無需將任何數(shù)據(jù)發(fā)布給第三方公司或在醫(yī)院之間或跨越國際邊界發(fā)送。

該團隊根據(jù)來自北愛爾蘭、德國和美國的三組患者的研究數(shù)據(jù)對 AI 算法進行了訓練。這些算法在利茲大學生成的兩組大型數(shù)據(jù)圖像上進行了測試，發(fā)現(xiàn)已經(jīng)成功地學會了如何預測圖像中不同亞型癌癥的存在。

該研究由利茲大學醫(yī)學院客座副教授、亞琛大學醫(yī)院研究員雅各布·尼古拉斯·凱瑟 (Jakob Nikolas Kather) 領(lǐng)導。該團隊包括 Heike Grabsch 教授和 Phil Quirke 教授，以及利茲大學醫(yī)學院的 Nick West 博士。

Kather 博士說：“根據(jù)來自 5,000 多名患者的數(shù)據(jù)，我們能夠證明經(jīng)過群體學習訓練的 AI 模型可以直接從結(jié)腸腫瘤組織的圖像中預測臨床相關(guān)的遺傳變化。”

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！