Rak, radiolodzy, SI
Leczenie raka jest jednym z największych wyzwań współczesnego świata. Wraz z wydłużającym się życiem oraz nieodpowiednim trybem życia (dieta, brak ruchu) wzrasta prawdopodobieństwo zachorowania na tą chorobę. Szybka diagnoza oraz wykrycie nowotworu pozwala na odpowiednie działanie i leczenie tej choroby, dlatego kiedy okazało się, że sztuczna inteligencja jest w stanie wykryć raka pęcherzyka żółciowego ze skutecznością na poziomie lekarza radiologa, postanowiono powiadomić o tym środowisko lekarzy. Jest to bardzo istotne, ponieważ rak pęcherzyka żółciowego jest bardzo niebezpieczny. Średnia długość życia od rozpoznania wynosi 6 miesięcy a przeżycie kolejnych pięciu lat wacha się miedzy 1 a 5% (Rak pęcherzyka żółciowego – Wikipedia, wolna encyklopedia).
Jak się okazuje wydajność SI jest porównywalna z doświadczonymi radiologami. Jak to się stało? Zespół z Podyplomowego Instytutu Edukacji Medycznej i Badań opracował model głębokiego uczenia się (Deep Learning [Uczenie głębokie – Wikipedia, wolna encyklopedia]), który polegał na przesłaniu zbioru danych 233 pacjentów, a następnie przetestowano go na 273 osobach.
Elementami podlegającymi ocenie były: czułość swoistości i obszaru pod krzywą charakterystyki pracy odbiornika, która jest często stosowana w pomiarach dokładności testów diagnostycznych.
Autorzy badania zauważyli, że wykorzystanie DL wykazuje wydajność diagnostyki, która jest porównywalna z doświadczonymi radiologiami w wykrywaniu tej choroby.
Na uwagę zasługuje spostrzeżenie osób biorących udział w badaniu, a mianowicie odkrycia, których dokonali oparte są na jednoośrodkowym zbiorze danych, a do dalszego sprawdzania skuteczności potrzebne są badania wieloośrodkowe.