https://bodybydarwin.com
Slider Image

Kecerdasan buatan mengambil peran yang meningkat dalam mendiagnosis dan mengobati kanker

2020

Dokter berharap masa depan pengobatan kanker bersifat pribadi: Dengan menggunakan genetika, mereka akan dapat mencocokkan pasien dengan tepat dengan obat atau pilihan perawatan yang akan melawan tumor mereka. Namun, informasi tentang genetika tumor seringkali tidak terkait dengan data tentang seberapa baik pasien dengan tumor tersebut melakukan perawatan tertentu. Hal ini menyulitkan para peneliti untuk menyesuaikan perawatan dengan masing-masing pasien. "Kadang-kadang semua yang diketahui adalah berapa lama pasien hidup yang memiliki patologi tertentu, jika itu bahkan diketahui, " kata Kenneth Kehl, seorang ahli onkologi medis di Dana-Farber Cancer Institute di Boston. "Mengajukan pertanyaan seperti mutasi yang memprediksi manfaat dari perawatan tertentu lebih menantang daripada yang diperkirakan."

Untuk membantu meringankan tantangan itu, Kehl bekerja pada sebuah tim yang mengembangkan algoritma pembelajaran mesin yang dapat menarik informasi dari catatan dokter dan ahli radiologi dalam catatan kesehatan elektronik untuk mengidentifikasi bagaimana perkembangan kanker pasien tertentu. Alat mereka, yang diterbitkan minggu ini di jurnal JAMA Oncology, mungkin di masa depan membantu mengidentifikasi pasien yang dapat mengambil manfaat dari uji klinis atau intervensi spesifik lainnya - dan itu adalah upaya yang lebih besar untuk membawa kecerdasan buatan ke dalam onkologi.

Sebagian besar informasi tentang perkembangan tumor pada pasien kanker terkandung dalam catatan tertulis dari ahli radiologi, yang memeriksa scan dan melacak perubahan status kanker. Karena itu teks mentah — bukan pilihan dari menu tarik-turun atau titik data dalam spreadsheet — sebagian besar metode analitik tidak dapat menarik informasi yang relevan. Alat yang dibuat dalam penelitian ini memanfaatkan peningkatan pembelajaran mesin untuk bahasa untuk mengidentifikasi detail-detail tersebut dalam catatan kesehatan elektronik.

Sistem pembelajaran mesin mampu mengidentifikasi hasil kanker serta pembaca manusia, dan jauh lebih cepat. Pembaca manusia hanya bisa melewati tiga catatan pasien satu jam. Alat ini akan dapat menganalisis seluruh kelompok ribuan pasien kanker dalam waktu sekitar 10 menit.

Secara hipotetis, kata Kehl, alat itu dapat dimanfaatkan untuk menyapu catatan kesehatan setiap pasien di suatu lembaga dan mengidentifikasi mereka yang memenuhi syarat dan akan membutuhkan uji klinis, dan mencocokkannya dengan perawatan terbaik berdasarkan karakteristik penyakit mereka. "Mungkin untuk menemukan pasien dalam skala, " kata Kehl.

Untuk alat khusus ini, pemindaian dari pasien kanker pada awalnya dibaca oleh ahli radiologi manusia. Tetapi kecerdasan buatan dan pembelajaran mesin dapat membaca gambar, juga, dan penelitian menunjukkan bahwa mereka dapat menganalisis pemindaian tumor seefektif ahli radiologi manusia. Dalam studi lain yang diterbitkan bulan ini, ahli radiologi dan pakar kecerdasan buatan bermitra untuk mengembangkan algoritma yang dapat menentukan apakah benjolan pada tiroid harus dibiopsi dan menemukan bahwa rekomendasi dari alat pembelajaran mesin merekomendasikan biopsi yang serupa dengan ahli radiologi ahli dengan menggunakan American College sistem Radiologi (ACR).

Menilai benjolan tiroid dapat memakan waktu, dan ahli radiologi dapat menghadapi tantangan menggunakan sistem ACR. "Kami ingin melihat apakah pembelajaran mendalam dapat melakukan keputusan itu secara otomatis, " kata penulis studi Maciej Mazurowski, associate professor radiologi dan teknik elektro dan komputer di Duke University.

Ada lebih banyak pekerjaan yang harus dilakukan pada kecerdasan buatan dan analisis pemindaian sebelum alat-alat ini dapat menggantikan ahli radiologi, kata Mazurowski, tetapi penelitian terbaru menunjukkan bahwa AI dapat dilakukan di tingkat ahli radiologi. Question Pertanyaan terakhir, bahkan jika kita dapat menunjukkan bahwa ini bekerja sebaik manusia, akan menjadi apakah dan sejauh mana itu akan diadopsi ke dalam sistem perawatan kesehatan. Bukan hanya apakah itu berfungsi.

Analisis visual lebih jauh dalam kedokteran dan onkologi daripada analisis tekstual, kata Kehl, tetapi keduanya bisa menjadi komponen integrasi pembelajaran mesin ke dalam praktik perawatan normal. Mungkin saja, misalnya, untuk mengintegrasikan interpretasi mesin dari pemindaian ke dalam analisis catatan kesehatan elektronik secara keseluruhan, katanya. "Itu berarti melihat berapa banyak informasi yang kita dapatkan dari gambar itu sendiri, berapa banyak yang kita dapatkan dari interpretasi manusia, dan apa yang bisa kita dapatkan dari model melihat gambar, " katanya. "Strategi optimal masih belum diketahui."

Tampaknya mungkin bahwa, ke depan, kecerdasan buatan dapat membantu mengidentifikasi dan memantau perkembangan kanker, kata Kehl. "Ini mencari tahu bagaimana kita dapat menggabungkan AI secara umum, dan dalam pencitraan, patologi, dan catatan kesehatan, ke dalam alur kerja klinis, " kata Kehl.

Maaf, tetapi Anonymous tidak memiliki bukti bahwa NASA telah menemukan kehidupan alien

Maaf, tetapi Anonymous tidak memiliki bukti bahwa NASA telah menemukan kehidupan alien

Potongan 58 persen untuk drone quadcopter dan penawaran hebat lainnya terjadi hari ini

Potongan 58 persen untuk drone quadcopter dan penawaran hebat lainnya terjadi hari ini

Kutu busuk Asia yang mengerikan telah menginvasi AS — dan itu dapat berkembang biak tanpa kawin

Kutu busuk Asia yang mengerikan telah menginvasi AS — dan itu dapat berkembang biak tanpa kawin