пресс-центр

Глубокое обучение снижает процент ошибок при диагностике рака молочной железы на 85%

NVIDIA Blog NVIDIA Blog
NVIDIA Blog https://blogs.nvidia.com/blog/2016/09/19/deep-learning-breast-cancer-diagnosis/

Глубокое обучение снижает процент ошибок при диагностике рака молочной железы на 85%

И врачи, и пациенты ждут от методов диагностики рака молочной железы одного - надежности.

Ученым сложно оставаться в курсе многочисленных результатов исследований в области рака молочной железы. А большое разнообразие методов, используемых для анализа этих данных, затрудняет получение надежных прогнозов.

Группа ученых из медицинского центра Beth Israel Deaconess (BIDMC) при Гарвардской медицинской школе в рамках 2016 Camelyon Grand Challenge решили эту проблему с помощью глубокого обучения. Проводимый на Международном симпозиуме по биомедицинской визуализации конкурс имел своей целью определить, как алгоритмы могут помочь патологам усовершенствовать диагностику раковых заболеваний по снимкам лимфоузлов.

Ученые добились невероятных результатов: благодаря использованию GPU-ускоренных алгоритмов глубокого обучения для анализа данных наряду с изучением снимков патологами процент ошибок снизился на 85%.

Комбинация патологических исследований и искусственного интеллекта

Ученые под руководством Эндрю Бека (Andrew Beck), патолога и заведующего кафедрой биоинформатики в Институте онкологических исследований при BIDMC, изучили самые последние достижения в области искусственного интеллекта, чтобы помочь специалистам-патологам повысить эффективность методов диагностики.

"Нашей целью было создать вычислительную систему, способную оказать помощь в идентификации метастатических очагов на снимках лимфоузлов, - рассказал Бек. - Наша основная гипотеза заключалась в том, что объединение методов специалистов с компьютерными технологиями обеспечит более высокую точность диагностирования по сравнению с работой одного лишь патолога".

В своей работе команда использовала графические ускорители NVIDIA Tesla K80 и фреймворк глубокого обучения Caffe с ускорением cuDNN. По словам Бека, это позволило значительно ускорить процесс тренировки разработанных вычислительных моделей.

Исследователи выделили миллионы участков изображений, на которых обозначили области раковых и здоровых клеток. Затем они использовали эти примеры, чтобы тренировать модели нейросетей находить участки, возможно содержащие раковые клетки, таким образом создавая карту расположения опухоли.

Красноречивые результаты

Результаты исследования оказались впечатляющими. Система успешно идентифицировала наличие раковых клеток в 92% случаев. И хотя у врачей этот показатель равен 96%, подобный результат стал достаточным основанием претендовать на главные награды в двух разных категориях на Camelyon Grand Challenge.

Он также подтвердил гипотезу ученых: совместные возможности патологов и глубокого обучения повышают точность диагноза до 99,5%. Системы искусственного интеллекта могут значительно повысить эффективность работы специалистов. Это говорит о серьезном прорыве в области диагностирования и лечения онкологических заболеваний.

Ученые продолжают работать над усовершенствованием своих алгоритмов и в ходе последних опытов смогли добиться точности анализа изображений в 97,1%, что превышает показатели патологов.

Воодушевленные своим успехом, Бек и его коллеги основали стартап под названием PathAI, ориентированный на разработку и применение технологий искусственного интеллекта для повышения точности медицинской диагностики.

Воодушевленные своим успехом, Бек и его коллеги основали стартап под названием PathAI, ориентированный на разработку и применение технологий искусственного интеллекта для повышения точности медицинской диагностики.

“Эта работа имеет огромные потенциальные предпосылки к тому, что в будущем мы все чаще будем сталкиваться с примерами использования искусственного интеллекта в комбинации с традиционными методами патологических исследований. Это позволит повысить точность и надежность медицинской диагностики и стандартизировать ее”, - заявил Бек.

Читайте более подробно о работе Бека и его коллег в этой статье.