La tecnología de inteligencia artificial IA desarrollada por el Centro RIKEN para el Proyecto de Inteligencia Avanzada AIP en Japón ha encontrado con éxito características en imágenes de patología de pacientes con cáncer humano, sin anotaciones, que podrían ser entendidas por los médicos humanos. Además, la IA identificócaracterísticas relevantes para el pronóstico del cáncer que los patólogos no habían observado previamente, lo que lleva a una mayor precisión de la recurrencia del cáncer de próstata en comparación con el diagnóstico basado en el patólogo. La combinación de las predicciones hechas por la IA con las predicciones de los patólogos humanos condujo a una precisión aún mayor.
Según Yoichiro Yamamoto, el primer autor del estudio publicado en Comunicaciones de la naturaleza , "Esta tecnología podría contribuir a la medicina personalizada al hacer posible una predicción altamente precisa de la recurrencia del cáncer mediante la adquisición de nuevos conocimientos a partir de imágenes. También podría contribuir a comprender cómo la IA se puede usar de manera segura en la medicina al ayudar a resolver el problema de la IAvisto como una 'caja negra' "
El grupo de investigación dirigido por Yamamoto y Go Kimura, en colaboración con varios hospitales universitarios en Japón, adoptó un enfoque llamado "aprendizaje no supervisado". Mientras los humanos enseñen la IA, no es posible adquirir conocimiento más allá de lo que existeactualmente conocido. En lugar de ser "enseñado" conocimiento médico, se le pidió a la IA que aprendiera utilizando redes neuronales profundas no supervisadas, conocidas como autoencoders, sin que se les diera ningún conocimiento médico. Los investigadores desarrollaron un método para traducir las características encontradas por la IA:solo números inicialmente, en imágenes de alta resolución que los humanos puedan entender.
Para realizar esta hazaña, el grupo adquirió 13,188 imágenes de diapositivas de patología de montaje completo de la próstata del Nippon Medical School Hospital NMSH, la cantidad de datos fue enorme, equivalente a aproximadamente 86 mil millones de parches de imágenes subimágenes divididas para neuronas profundasredes, y el cálculo se realizó en la poderosa supercomputadora RAIDEN de AIP.
La IA aprendió a usar imágenes de patología sin anotaciones de diagnóstico de 11 millones de parches de imágenes. Las características encontradas por AI incluyeron criterios de diagnóstico de cáncer que se han utilizado en todo el mundo, en el puntaje de Gleason, pero también características que involucran el estroma tejidos conectivos que sostienen un órgano- en áreas no cancerosas que los expertos no conocían. Para evaluar estas características encontradas por IA, el grupo de investigación verificó el rendimiento de la predicción de recurrencia utilizando los casos restantes de NMSH validación interna. El grupo descubrió que las características descubiertaspor la IA fueron más precisos AUC = 0.820 que las predicciones hechas en base a los criterios de cáncer establecidos por los humanos desarrollados por los patólogos, la puntuación de Gleason AUC = 0.744. Además, combinando las características encontradas por la IA y los criterios predichos por los humanosla recurrencia con mayor precisión que el uso de cualquiera de los métodos AUC = 0.842. El grupo confirmó los resultados utilizando otro conjunto de datos que incluye 2.276 imágenes de patología de montaje completo 10 mil millones de parches de imágenes del Hospital de la Universidad de St. Marianna y el Hospital de la Universidad de Medicina de Aichi validación externa.
"Estaba muy feliz", dice Yamamoto, "al descubrir que la IA fue capaz de identificar el cáncer por sí sola a partir de imágenes de patología sin anotaciones. Me sorprendió mucho ver que la IA encontró características que pueden usarse para predecir la recurrencia de los patólogosno había identificado "
Continúa, "Hemos demostrado que la IA puede adquirir automáticamente conocimiento entendible por humanos a partir de imágenes de histopatología libres de anotaciones de diagnóstico. Este conocimiento 'recién nacido' podría ser útil para los pacientes al permitir predicciones altamente precisas de recurrencia del cáncer. Lo que es muy buenoes que descubrimos que la combinación de las predicciones de la IA con las de un patólogo aumentó aún más la precisión, lo que demuestra que la IA se puede utilizar de la mano de los médicos para mejorar la atención médica. Además, la IA se puede utilizar como una herramienta paradescubrir características de enfermedades que no se han observado hasta ahora, y dado que no requiere conocimiento humano, podría usarse en otros campos fuera de la medicina ".
Fuente de la historia :
Materiales proporcionado por RIKEN . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :