Persönliche Gesundheit

Prostata-Krebs kann jetzt diagnostiziert werden, eine bessere künstliche Intelligenz

Forscher an der Radboud university medical center entwickelt haben, ein „deep learning“ – system, das ist besser als die meisten Pathologen bei der Bestimmung der Aggressivität von Prostata-Krebs. Das AI-system, das verwendet, Gewebeproben zu kommen an seine Diagnose, lehrte selbst zu identifizieren, Prostata-Krebs, basierend auf den Daten von über 1200 Patienten. Die Radboud-team hat nun zusammen mit Forschern des Karolinska-Institut in Schweden und Kaggle, eine Google-Tochter, mit der Absicht, Sie weiter zu entwickeln diese Methoden als Teil einer großen internationalen Wettbewerb.

Prostatakrebs ist eine Häufig vorkommende Art von Krebs, aber nicht immer aggressiv: mehr Männer sterben mit Prostatakrebs als an Prostatakrebs erkranken. Aber Ihre Behandlung hat viele Folgen für die Lebensqualität der Patienten, so dass die Bestimmung der Aggressivität ist ein wichtiger Schritt in der Auswahl einer Behandlung. Zur Bestimmung der Aggressivität des Krebses, Gewebestücke (Biopsien) aus der Prostata, die erzielt werden durch einen Pathologen. Diese „Gleason-score“ wird dann verwendet, um zu klassifizieren Biopsien in fünf Gruppen—die Gleason-Grade Gruppen, die angeben, das Risiko des Sterbens von Prostatakrebs. Dies ist jedoch ein subjektiver Prozess; ob und wie ein patient behandelt werden kann, hängt von den Pathologen wer beurteilt das Gewebe.

Besser als ein Pathologe

Die Forscher an der Radboud entwickelt ein KI-system, das untersucht diese Biopsien der gleichen Weise ein Pathologe macht. Das KI-system bestimmt auch den Gleason-score, und das system kann dann zu klassifizieren, eine Biopsie-Probe nach der Gleason-Grad-Gruppen. Mit Hilfe des deep learning, system untersucht, Tausende von Bildern von Biopsien, um zu lernen, was eine gesunde Prostata ist, und, was mehr oder weniger aggressive Prostata-Krebs-Gewebe aussieht. Forscher Wouter Bulten beschreibt diesen Prozess: „Das KI-system wurde nun trainiert mit 5759 Biopsien von mehr als 1200 Patienten. Wenn wir im Vergleich der performance des Algorithmus mit, dass der 15-Pathologen aus verschiedenen Ländern und mit unterschiedlichen Ebenen der Erfahrung, die unser system besser abgeschnitten als zehn von Ihnen und war vergleichbar mit erfahrenen Pathologen.“ Ein weiterer Vorteil von solchen computer-system ist, dass es in sich konsistent ist und überall eingesetzt werden kann; die Behandlung der Patienten ist nicht mehr abhängig vom Pathologen Blick auf die Gewebe.

Ein internationaler Wettbewerb

1,2 Millionen Männer weltweit sind mit Prostatakrebs diagnostiziert jedes Jahr, die Entwicklung einer AI-Diagnose-system ist von Interesse für viele Forschungs-Gruppen und-Unternehmen. „Es ist von Vorteil, dass wir ein akademisches Krankenhaus“, sagt Bulten. „Wir sind nah an den Patienten und den Therapeuten, und haben unsere eigene Datenbank von Biopsien.“ Als nächsten Schritt, der Radboud university medical center-team—zusammen mit Forschern des Karolinska-Institut in Schweden und Kaggle, eine Tochtergesellschaft von Google, spezialisiert auf data-science-Wettbewerbe—will halt ein internationaler Wettbewerb, bei dem die Teilnehmer versuchen, schlagen die Radboud-Algorithmus. Die Erkenntnisse, die aus diesem Wettbewerb wird dann verwendet, um die Verbesserung der algorithmen.

Hintergrund: Was ist „deep learning“?

Deep learning ist ein Begriff für Systeme, die lernen in einer Weise, die ähnlich ist, wie unser Gehirn funktioniert. Es besteht aus Netzwerken elektronischer “ Neuronen,‘ von denen jeder lernt zu erkennen, ein Aspekt, der das gewünschte Bild. Dann folgt Sie den Prinzipien des learning by doing und übung macht den Meister. Beschickt wird die Anlage mehr und mehr Bilder mit relevanten Informationen sagen—in diesem Fall—ob es Krebs ist oder nicht, und wenn ja, was der Gleason-score ist. Das system lernt dann, zu erkennen, welche Merkmale gehören zu Krebs, und je mehr Bilder es sieht, desto besser kann er erkennen, diese Eigenschaften in einer nicht diagnostizierten Bilder. (Wir tun etwas ähnliches mit kleinen Kindern: wir halten bis ein Apfel direkt vor Ihnen und sagen, dass es ein Apfel ist. An einem bestimmten Punkt, werden Sie nicht haben, um zu sagen, dass Sie es nicht mehr.) Ein großer Vorteil dieser Systeme ist auch, dass Sie viel schneller lernen, als die Menschen und können arbeiten 24 Stunden am Tag.