Ένα νέο σύστημα τεχνητής νοημοσύνης μπορεί να ανιχνεύει πλέον τους κακοήθεις όγκους στον προστάτη και να προβλέπει την επιθετικότητά τους. Το σύστημα αυτό (FocalNet) είναι μάλιστα σχεδόν το ίδιο αποτελεσματικό όσο έμπειροι ακτινολόγοι, όπως αποκαλύπτει μια νέα αμερικανική επιστημονική μελέτη.
Έως σήμερα, οι ακτινολόγοι χρησιμοποιούσαν τη μέθοδο της μαγνητικής τομογραφίας προκειμένου να εντοπίσουν τους όγκους στον προστάτη, να αποφανθούν εάν είναι καλοήθεις ή κακοήθεις και να αξιολογήσουν το στάδιο και την επιθετικότητα της νόσου. Η διαδικασία αυτή, πέραν του γεγονότος ότι απαιτεί εξαιρετική εμπειρία από τους ειδικούς, είναι και ιδιαίτερα δαπανηρή για τα περισσότερα νοσοκομεία που δεν διαθέτουν τα κονδύλια να προσλάβουν τόσο εξειδικευμένο προσωπικό.
Τα προβλήματα αυτά έρχεται να λύσει το FocalNet, ένα νέο τεχνητό νευρωνικό δίκτυο, το οποίο δημιουργήθηκε στο Τμήμα Επιστημών Υγείας του Πανεπιστημίου της Καλιφόρνια στο Λος Άντζελες (UCLA). Το σύστημα αυτό χρησιμοποιεί έναν αλγόριθμο που περιλαμβάνει πάνω από ένα εκατομμύριο μεταβλητές.
 |
“Ελβετικό σουγιαδάκι” by Xiaomi – 9 σε 1 εργαλεία παρουσίασε η εταιρεία! |
Οι ερευνητές, με επικεφαλής τον Κίουνγκ Σουνγκ, επίκουρο καθηγητή ακτινολογίας στη Σχολή Ιατρικής του UCLA, εκπαίδευσαν το σύστημα τροφοδοτώντας το με 417 μαγνητικές τομογραφίες αντρών με καρκίνο του προστάτη. Στόχος ήταν το τεχνητό νευρωνικό σύστημα να μάθει να ανιχνεύει και να κατηγοριοποιεί σωστά τον τύπο του καρκίνου του προστάτη. Στο τέλος οι ερευνητές συνέκριναν τα αποτελέσματα του συστήματος με τις διαγνώσεις ακτινολόγων με εμπειρία άνω των δέκα ετών.
Τα ευρήματα, που δημοσιεύθηκαν στο περιοδικό για θέματα ιατρικής απεικόνισης «IEEE Transactions on Medical Imaging» και παρουσιάστηκαν στο Διεθνές Συμπόσιο Βιοϊατρικής Απεικόνισης τον Απρίλιο, έδειξαν ότι το σύστημα ήταν σχεδόν το ίδιο αποτελεσματικό στη διάγνωση του καρκίνου του προστάτη όσο και οι έμπειροι ακτινολόγοι. Συγκεκριμένα, βρέθηκε ότι το ποσοστό διαγνωστικής ακρίβειας του FocalNet ήταν 80,5% έναντι 83,9% των ειδικών.
Η συμβολή και η καινοτομία του συστήματος έγκειται στην εξοικονόμηση χρόνου και στη διαγνωστική καθοδήγηση των λιγότερο έμπειρων ακτινολόγων.
[signoff]
