Konvoluční neuronové sítě pomáhají s lékařskými diagnózami

29. 1. 2019

Sdílet

 Autor: © kentoh - Fotolia.com
Pomocí metod hlubokého učení aplikovaných do kontrastních mikroskopických obrázků se japonským výzkumníkům podařilo identifikovat původ a druh různých rakovinotvorných buněk s přesností na 96 %.

Ačkoliv zatím není výzkum ještě využitelný v praxi, k tomu bude potřeba ještě mnoho měsíců, případně let dalších testů, může v budoucnu objevený systém vést k lepší léčbě rakoviny.

Výzkum publikovali pro AACR vědci z univerzity v Ósace. Využili k tomu konvoluční neuronovou síť (CNN), relativně běžnou metodu hlubokého učení; použili ji pro analýzu obrazu. CNN jsou vytvářeny na základě způsobu, kterým člověk vnímá obraz, dokáží tedy rozeznávat i jemné rozdíly a komplexní prvky.

Aplikace umělé inteligence k výzkumu rakoviny a zhoubných nádorů není ničím novým, pokroky v této oblasti přichází každý týden.

Schopnost rozpoznat konkrétní nádory a jejich původ je podstatným posunem vpřed – systém dokáže kupříkladu poznat, zda je nádor rezistentní vůči radioterapii; pokud ano, pacient by ozařování nemusel podstupovat. V současnosti je rozpoznávání druhu nádorů založené na lidské expertíza, která však není neomylná a je časově náročná.

bitcoin_skoleni

V této studii dokázali japonští vědci rozřadit buňky do pěti kategorií. CNN byla trénována na databázi 8 000 mikroskopických skenů obsahujících dané rakovinové buňky. Validace probíhala prostřednictvím 2 000 dalších obrázků.

Konvoluční neuronová síť hlubokého učení byla schopna správně buňky rozpoznat v 96 % případů. Další výzkum bude pro zdokonalení metody ještě potřeba, do budoucna by však mohl znamenat další zlepšení diagnózy v boji proti rakovině.