Γ.Δ.
1424.04 +0,16%
ACAG
-1,67%
5.9
CENER
+2,28%
9.42
CNLCAP
-1,33%
7.4
DIMAND
+3,61%
8.6
NOVAL
-0,56%
2.675
OPTIMA
+1,45%
12.6
TITC
+3,20%
30.6
ΑΑΑΚ
0,00%
5.9
ΑΒΑΞ
-2,36%
1.406
ΑΒΕ
-5,25%
0.433
ΑΔΜΗΕ
-1,81%
2.17
ΑΚΡΙΤ
0,00%
0.8
ΑΛΜΥ
-0,37%
2.66
ΑΛΦΑ
-1,22%
1.5015
ΑΝΔΡΟ
+0,94%
6.46
ΑΡΑΙΓ
+0,62%
11.28
ΑΣΚΟ
+2,11%
2.91
ΑΣΤΑΚ
-1,82%
6.46
ΑΤΕΚ
0,00%
0.418
ΑΤΡΑΣΤ
+0,24%
8.48
ΑΤΤ
+0,92%
10.95
ΑΤΤΙΚΑ
+0,44%
2.3
ΒΑΡΝΗ
0,00%
0.24
ΒΙΟ
0,00%
5.87
ΒΙΟΚΑ
+2,13%
2.4
ΒΙΟΣΚ
0,00%
1.27
ΒΙΟΤ
0,00%
0.232
ΒΙΣ
0,00%
0.142
ΒΟΣΥΣ
-5,43%
2.44
ΓΕΒΚΑ
0,00%
1.39
ΓΕΚΤΕΡΝΑ
+0,59%
16.98
ΔΑΑ
+1,14%
8
ΔΑΙΟΣ
0,00%
3.32
ΔΕΗ
+0,45%
11.22
ΔΟΜΙΚ
-0,50%
3.97
ΔΟΥΡΟ
0,00%
0.25
ΔΡΟΜΕ
0,00%
0.329
ΕΒΡΟΦ
+1,41%
1.44
ΕΕΕ
+0,06%
31.82
ΕΚΤΕΡ
-0,95%
4.18
ΕΛΒΕ
0,00%
5.2
ΕΛΙΝ
-1,73%
2.27
ΕΛΛ
-0,74%
13.5
ΕΛΛΑΚΤΩΡ
+1,00%
2.52
ΕΛΠΕ
-0,13%
7.94
ΕΛΣΤΡ
-1,40%
2.11
ΕΛΤΟΝ
-0,83%
1.676
ΕΛΧΑ
-0,11%
1.822
ΕΝΤΕΡ
-0,50%
7.9
ΕΠΙΛΚ
0,00%
0.126
ΕΠΣΙΛ
+2,50%
12.3
ΕΣΥΜΒ
+0,39%
1.285
ΕΤΕ
-0,77%
8.02
ΕΥΑΠΣ
-0,97%
3.07
ΕΥΔΑΠ
-2,99%
5.51
ΕΥΡΩΒ
+0,86%
2.1
ΕΧΑΕ
-3,19%
4.86
ΙΑΤΡ
+0,33%
1.525
ΙΚΤΙΝ
-1,64%
0.3595
ΙΛΥΔΑ
-0,30%
1.64
ΙΝΚΑΤ
+1,19%
5.1
ΙΝΛΙΦ
+0,64%
4.72
ΙΝΛΟΤ
+1,30%
1.094
ΙΝΤΕΚ
+0,70%
5.78
ΙΝΤΕΡΚΟ
+1,69%
4.82
ΙΝΤΕΤ
-0,42%
1.175
ΙΝΤΚΑ
+3,45%
3.3
ΚΑΜΠ
0,00%
2.7
ΚΑΡΕΛ
0,00%
332
ΚΕΚΡ
-2,65%
1.285
ΚΕΠΕΝ
0,00%
2
ΚΛΜ
-1,59%
1.55
ΚΟΡΔΕ
-0,62%
0.48
ΚΟΥΑΛ
+7,03%
1.218
ΚΟΥΕΣ
-1,51%
5.21
ΚΡΕΚΑ
0,00%
0.28
ΚΡΙ
-0,47%
10.65
ΚΤΗΛΑ
0,00%
1.79
ΚΥΡΙΟ
-0,89%
1.11
ΛΑΒΙ
-0,46%
0.859
ΛΑΜΔΑ
+0,60%
6.68
ΛΑΜΨΑ
0,00%
36.6
ΛΑΝΑΚ
0,00%
0.91
ΛΕΒΚ
+7,14%
0.3
ΛΕΒΠ
0,00%
0.276
ΛΙΒΑΝ
0,00%
0.125
ΛΟΓΟΣ
+0,74%
1.37
ΛΟΥΛΗ
-0,37%
2.73
ΜΑΘΙΟ
+2,60%
0.868
ΜΕΒΑ
-1,28%
3.85
ΜΕΝΤΙ
+1,43%
2.84
ΜΕΡΚΟ
0,00%
41.8
ΜΙΓ
+1,09%
3.72
ΜΙΝ
0,00%
0.505
ΜΛΣ
0,00%
0.57
ΜΟΗ
-1,70%
24.3
ΜΟΝΤΑ
-0,60%
3.33
ΜΟΤΟ
-0,35%
2.88
ΜΟΥΖΚ
+2,22%
0.69
ΜΠΕΛΑ
+0,97%
27
ΜΠΛΕΚΕΔΡΟΣ
+0,59%
3.42
ΜΠΡΙΚ
+0,81%
1.86
ΜΠΤΚ
0,00%
0.58
ΜΥΤΙΛ
+1,46%
36.24
ΝΑΚΑΣ
0,00%
2.64
ΝΑΥΠ
+1,07%
0.944
ΞΥΛΚ
-0,38%
0.264
ΞΥΛΠ
+8,96%
0.462
ΟΛΘ
-0,96%
20.6
ΟΛΠ
+3,79%
26
ΟΛΥΜΠ
+2,50%
2.46
ΟΠΑΠ
-0,27%
14.56
ΟΡΙΛΙΝΑ
0,00%
0.924
ΟΤΕ
+1,19%
13.66
ΟΤΟΕΛ
+1,74%
11.68
ΠΑΙΡ
-2,28%
1.07
ΠΑΠ
+0,83%
2.44
ΠΕΙΡ
-1,03%
3.463
ΠΕΤΡΟ
+0,50%
8.06
ΠΛΑΘ
-0,26%
3.885
ΠΛΑΚΡ
0,00%
15.3
ΠΡΔ
0,00%
0.276
ΠΡΕΜΙΑ
+0,35%
1.146
ΠΡΟΝΤΕΑ
-2,56%
7.6
ΠΡΟΦ
0,00%
4.6
ΡΕΒΟΙΛ
+1,27%
1.595
ΣΑΡ
-2,33%
10.92
ΣΑΡΑΝ
0,00%
1.07
ΣΑΤΟΚ
0,00%
0.034
ΣΕΝΤΡ
+2,17%
0.329
ΣΙΔΜΑ
-0,90%
1.65
ΣΠΕΙΣ
-0,89%
6.68
ΣΠΙ
-3,75%
0.616
ΣΠΥΡ
0,00%
0.155
ΤΕΝΕΡΓ
0,00%
19.35
ΤΖΚΑ
-1,43%
1.375
ΤΡΑΣΤΟΡ
0,00%
1.14
ΤΡΕΣΤΑΤΕΣ
+0,73%
1.662
ΥΑΛΚΟ
0,00%
0.162
ΦΙΕΡ
0,00%
0.359
ΦΛΕΞΟ
+1,92%
7.95
ΦΡΙΓΟ
0,00%
0.24
ΦΡΛΚ
+3,55%
3.935
ΧΑΙΔΕ
+5,04%
0.625

Καρκίνος μαστού: Προσυμπτωματικός έλεγχος με τη βοήθεια ΑΙ

Η χρήση τεχνητής νοημοσύνης (AI) για τη συμπλήρωση των αξιολογήσεων των ακτινολόγων για τις μαστογραφίες μπορεί να βελτιώσει τον προσυμπτωματικό έλεγχο του καρκίνου του μαστού μειώνοντας τα ψευδώς θετικά ή βρίσκοντας περιπτώσεις καρκίνου, σύμφωνα με μελέτη ερευνητών της Ιατρικής Σχολής του Πανεπιστημίου της Ουάσιγκτον.

Οι ερευνητές ανέπτυξαν έναν αλγόριθμο που εντόπισε φυσιολογικές μαστογραφίες με πολύ υψηλή ευαισθησία. Στη συνέχεια έκαναν μια προσομοίωση σε δεδομένα ασθενών για να δουν τι θα είχε συμβεί εάν όλες οι μαστογραφίες πολύ χαμηλού κινδύνου είχαν αφαιρεθεί από τους ακτινολόγους, αφήνοντας τους γιατρούς να επικεντρωθούν στις πιο αμφισβητήσιμες σαρώσεις.

Η προσομοίωση αποκάλυψε ότι λιγότεροι άνθρωποι θα είχαν κληθεί για πρόσθετες εξετάσεις, αλλά ότι θα είχε εντοπιστεί ο ίδιος αριθμός περιπτώσεων καρκίνου.

«Εσφαλμένα θετικά είναι όταν καλείς έναν ασθενή πίσω για πρόσθετη εξέταση και αποδεικνύεται καλοήθης», εξήγησε ο ανώτερος συγγραφέας της μελέτης Dr. Richard L. Wahl, MD, καθηγητής ακτινολογίας στο Mallinckrodt Institute of Radiology (MIR) του Πανεπιστημίου της Ουάσιγκτον και καθηγητής ακτινολογικής ογκολογίας.

«Αυτό προκαλεί πολύ περιττό άγχος στους ασθενείς και καταναλώνει ιατρικούς πόρους. Αυτή η μελέτη προσομοίωσης έδειξε ότι οι μαστογραφίες πολύ χαμηλού κινδύνου μπορούν να αναγνωριστούν αξιόπιστα από την τεχνητή νοημοσύνη για τη μείωση των ψευδώς θετικών και τη βελτίωση των ροών εργασίας». Η μελέτη δημοσιεύεται στο περιοδικό Radiology: Artificial Intelligence.

Ο Dr. Wahl συνεργάστηκε στο παρελθόν με το Whiterabbit.ai σε έναν αλγόριθμο για να βοηθήσει τους ακτινολόγους να κρίνουν την πυκνότητα του μαστού στις μαστογραφίες ώστε να εντοπίσουν άτομα που θα μπορούσαν να ωφεληθούν από πρόσθετο ή εναλλακτικό έλεγχο. Αυτός ο αλγόριθμος έλαβε έγκριση από τον Οργανισμό Τροφίμων και Φαρμάκων (FDA) το 2020 και πλέον διατίθεται στην αγορά από το Whiterabbit.ai ως WRDensity.

Σε αυτή τη μελέτη, ο Dr. Wahl και οι συνεργάτες του στο Whiterabbit.ai ανέπτυξαν έναν τρόπο αποκλεισμού του καρκίνου χρησιμοποιώντας τεχνητή νοημοσύνη για την αξιολόγηση των μαστογραφιών. Εκπαίδευσαν το μοντέλο AI σε 123.248 2D ψηφιακές μαστογραφίες (οι οποίες περιείχαν 6.161 που έδειχναν καρκίνο) συλλέχθηκαν και διαβάστηκαν σε μεγάλο βαθμό από ακτινολόγους του Πανεπιστημίου της Ουάσιγκτον. Στη συνέχεια, επικύρωσαν και δοκίμασαν το μοντέλο AI σε τρία ανεξάρτητα σετ μαστογραφιών, δύο από ιδρύματα στις ΗΠΑ και ένα στο Ηνωμένο Βασίλειο.

Πρώτα, οι ερευνητές κατάλαβαν τι έκαναν οι γιατροί: πόσοι ασθενείς κλήθηκαν πίσω για δευτερογενή έλεγχο και βιοψίες, τα αποτελέσματα αυτών των δοκιμών και τον τελικό προσδιορισμό σε κάθε περίπτωση.

Στη συνέχεια, εφάρμοσαν τεχνητή νοημοσύνη στα σύνολα δεδομένων για να δουν τι θα ήταν διαφορετικό εάν η τεχνητή νοημοσύνη είχε χρησιμοποιηθεί για την αφαίρεση αρνητικών μαστογραφιών στις αρχικές αξιολογήσεις και οι γιατροί είχαν ακολουθήσει τυπικές διαγνωστικές διαδικασίες για να αξιολογήσουν τα υπόλοιπα.

Πιο συγκεκριμένα, εξετάστηκε το μεγαλύτερο σύνολο δεδομένων, το οποίο περιείχε 11.592 μαστογραφίες. Όταν κλιμακώθηκε σε 10.000 μαστογραφίες (για να γίνουν τα μαθηματικά πιο απλά για τους σκοπούς της προσομοίωσης), η τεχνητή νοημοσύνη προσδιόρισε το 34,9% ως αρνητικό. Εάν αυτές οι 3.485 αρνητικές μαστογραφίες είχαν αφαιρεθεί από τον φόρτο εργασίας, οι ακτινολόγοι θα είχαν κάνει 897 επανακλήσεις για διαγνωστικές εξετάσεις, μείωση 23,7% από τις 1.159 που έκαναν στην πραγματικότητα.

Στο επόμενο βήμα, 190 άτομα θα είχαν κληθεί για δεύτερη φορά για βιοψίες, μείωση 6,9% από 200 στην πραγματικότητα. Στο τέλος της διαδικασίας, τόσο οι προσεγγίσεις αποκλεισμού της τεχνητής νοημοσύνης όσο και οι πραγματικές προσεγγίσεις τυπικής φροντίδας εντόπισαν τους ίδιους 55 καρκίνους.

Με άλλα λόγια, αυτή η μελέτη της τεχνητής νοημοσύνης υποδηλώνει ότι από τους 10.000 ανθρώπους που υποβλήθηκαν σε αρχικές μαστογραφίες, οι 262 θα μπορούσαν να είχαν αποφύγει τις διαγνωστικές εξετάσεις και οι 10 θα μπορούσαν να είχαν αποφύγει τις βιοψίες, χωρίς να χαθεί καμία περίπτωση καρκίνου.

«Στο τέλος της ημέρας, πιστεύουμε σε έναν κόσμο όπου ο γιατρός είναι ο υπερήρωας που βρίσκει τον καρκίνο και βοηθά τους ασθενείς να πλοηγηθούν στο ταξίδι τους μπροστά», δήλωσε ο συν-συγγραφέας Dr. Jason Su, συνιδρυτής και επικεφαλής τεχνολογίας στο Whiterabbit.ai. «Ο τρόπος με τον οποίο τα συστήματα τεχνητής νοημοσύνης μπορούν να βοηθήσουν είναι να έχουν έναν υποστηρικτικό ρόλο. Με την ακριβή αξιολόγηση των αρνητικών, μπορεί να βοηθήσει στην απομάκρυνση του «σανού από τα άχυρα», ώστε οι γιατροί να βρίσκουν τη «βελόνα» πιο εύκολα.

«Αυτή η μελέτη δείχνει ότι η τεχνητή νοημοσύνη μπορεί να είναι δυνητικά πολύ ακριβής στον εντοπισμό αρνητικών εξετάσεων. Το πιο σημαντικό: τα αποτελέσματα έδειξαν ότι η αυτοματοποίηση της ανίχνευσης των αρνητικών μπορεί επίσης να οδηγήσει σε τεράστιο όφελος στη μείωση των ψευδώς θετικών χωρίς αλλαγή του ποσοστού ανίχνευσης καρκίνου».

Google News icon
Ακολουθήστε το Powergame.gr στο Google News για άμεση και έγκυρη οικονομική ενημέρωση!