使用 AI 從患者數(shù)據(jù)中安全地檢測癌癥

包括利茲大學(xué)醫(yī)學(xué)科學(xué)家在內(nèi)的一個(gè)團(tuán)隊(duì)已經(jīng)開發(fā)出一種使用人工智能從患者數(shù)據(jù)中預(yù)測癌癥而不會(huì)將個(gè)人信息置于危險(xiǎn)之中的新方法。

人工智能 (AI) 可以分析大量數(shù)據(jù)，例如圖像或試驗(yàn)結(jié)果，并且可以識別人類通常無法檢測到的模式，這使其在加快疾病檢測、診斷和治療方面具有很高的價(jià)值。

然而，在醫(yī)療環(huán)境中使用該技術(shù)存在爭議，因?yàn)榇嬖谝馔鈹?shù)據(jù)泄露的風(fēng)險(xiǎn)，而且許多系統(tǒng)由私人公司擁有和控制，使他們能夠訪問機(jī)密的患者數(shù)據(jù)，并有責(zé)任保護(hù)這些數(shù)據(jù)。

研究人員著手探索一種稱為群體學(xué)習(xí)的人工智能形式是否可用于幫助計(jì)算機(jī)預(yù)測患者組織樣本醫(yī)學(xué)圖像中的癌癥，而無需從醫(yī)院發(fā)布數(shù)據(jù)。

群體學(xué)習(xí)訓(xùn)練人工智能算法來檢測當(dāng)?shù)蒯t(yī)院或大學(xué)的數(shù)據(jù)模式，例如人體組織圖像中的基因變化。然后，群學(xué)習(xí)系統(tǒng)將這個(gè)新訓(xùn)練的算法(但重要的是沒有本地?cái)?shù)據(jù)或患者信息)發(fā)送到中央計(jì)算機(jī)。在那里，它以相同的方式與其他醫(yī)院生成的算法相結(jié)合，以創(chuàng)建優(yōu)化算法。然后將其發(fā)送回當(dāng)?shù)蒯t(yī)院，在那里將其重新應(yīng)用于原始數(shù)據(jù)，由于其更靈敏的檢測能力，改進(jìn)了對基因變化的檢測。

通過多次執(zhí)行此操作，可以改進(jìn)算法并創(chuàng)建適用于所有數(shù)據(jù)集的算法。這意味著可以應(yīng)用該技術(shù)，而無需將任何數(shù)據(jù)發(fā)布給第三方公司或在醫(yī)院之間或跨越國際邊界發(fā)送。

該團(tuán)隊(duì)根據(jù)來自北愛爾蘭、德國和美國的三組患者的研究數(shù)據(jù)對 AI 算法進(jìn)行了訓(xùn)練。這些算法在利茲大學(xué)生成的兩組大型數(shù)據(jù)圖像上進(jìn)行了測試，發(fā)現(xiàn)已經(jīng)成功地學(xué)會(huì)了如何預(yù)測圖像中不同亞型癌癥的存在。

該研究由利茲大學(xué)醫(yī)學(xué)院客座副教授、亞琛大學(xué)醫(yī)院研究員雅各布·尼古拉斯·凱瑟 (Jakob Nikolas Kather) 領(lǐng)導(dǎo)。該團(tuán)隊(duì)包括 Heike Grabsch 教授和 Phil Quirke 教授，以及利茲大學(xué)醫(yī)學(xué)院的 Nick West 博士。

Kather 博士說：“根據(jù)來自 5,000 多名患者的數(shù)據(jù)，我們能夠證明經(jīng)過群體學(xué)習(xí)訓(xùn)練的 AI 模型可以直接從結(jié)腸腫瘤組織的圖像中預(yù)測臨床相關(guān)的遺傳變化。”

標(biāo)簽：