Тест на восемь самых опасных видов рака за один прием
Принадлежащая Alibaba академия Damo и исследовательский институт науки и инновационных технологий Alibaba Group, представили модель искусственного интеллекта, которая может помочь врачам выявлять, различать и диагностировать восемь наиболее распространенных и смертоносных типов рака.
Считается, что медицинские модели ИИ обладают большим потенциалом в распознавании заболеваний органов и помогают врачам ставить точные диагнозы. Однако серьезные проблемы возникают, когда они пытаются выявить несколько проблем со здоровьем в нескольких органах. Сведение к минимуму риска ошибочных результатов как ложноположительных, так и ложноотрицательных это главная цель на сегодняшний день. Чтобы минимизировать риски, врачам часто приходится проводить комплексные обследования, а это лишь подтверждает необходимость разработки более точной и эффективной модели диагностики.
Новая модель анализа изображений под названием CancerUniT нацелена на диагностику множественной онкологии.
Модель построена на методе семантической сегментации, который исследует полученные изображения на уровне пикселей. В случае с CancerUniT модель используется для анализа изображений тканей тела при восьми типах рака, включая рак легких, толстой кишки, печени, желудка, молочной железы, пищевода, поджелудочной железы и почки. Он также способен распознавать определенные подтипы опухолей в инфицированных органах.
Академия Damo использовала модель Mask Transformer, нейронную сеть, которая может изучать контекст и значение, отслеживая отношения в последовательных данных. Чтобы облегчить процесс обучения, институт разработал метод, с помощью которого модель узнает об уникальных чертах и закономерностях каждого типа опухоли. Модель также обучена учитывать взаимосвязь между различными типами рака и их подтипами в различных органах, что повышает согласованность и надежность диагностики.
В сравнительном исследовании с участием 631 пациента новая модель превзошла традиционные модели. Новая модель показала более высокую чувствительность при обнаружении и сегментации опухолей — 93%. Он также показал хороший уровень специфичности, правильно определяя здоровые области в 82% случаев.
В настоящее время технология проходит испытания в нескольких больницах Китая.