Berta Sándor
Felismeri a genetikai mutációkat a tumorokban a Google mesterséges intelligenciája
Az orvosok a rákdiagnózisok kapcsán évtizedek óta a patológusok szemeire hagyatkoznak. Most azonban elérhetővé vált egy olyan megoldás, amelynek a segítségével ez a hosszadalmas munka csupán néhány másodpercre rövidíthető le.
A New York-i Egyetem munkatársai a Nature Medicine oldalain hozták nyilvánosságra új kutatómunkájukat, amelynek lényege, hogy a Google gépi tanulási algoritmusát arra képezték ki, hogy a tüdőrák két leggyakoribb típusát nagy pontossággal felismerje, illetve megkülönböztesse egymástól. Ez egyébként ugyanaz a mesterséges intelligencia, amely a webes konszern online szolgáltatásaiba feltöltött különböző képeken látható arcokat, állatokat és tárgyakat azonosítja, illetve amely diagnózisokat készített a például cukorbetegség miatt bekövetkező szem- és szívbetegségeknél. A Google által megalkotott nyílt forráskódú mesterséges intelligencia a továbbfejlesztésnek köszönhetően már egyetlen felvételen felismeri a tumorokon belüli mutációkat is. Mindezt a New York-i Egyetemen tanították meg a technológiának.
Arisztotelisz Tszirigosz, a New York-i Egyetem Orvostudományi Iskolájának patológusa úgy vélte, az lenne a valódi újítás, ha nem csupán megmutatnák, hogy a mesterséges intelligencia van annyira jó, mint az ember, hanem ha olyan megállapításokat is nyújtana, amiket egy emberi szakértő sem tud. Ezért beszerezték a Google Inception v3 nevű nyílt forráskódú algoritmusát, amelyet az óriáscég azért fejlesztett ki, hogy 1000 különböző objektumosztályt tudjon azonosítani.
A képen a tüdőrák gépi felismerése látható, szürkével az egészséges lebeny, és kék, illetve piros a rákos terület
Ahhoz, hogy az algoritmusnak megtanítsák a beteg és az egészséges szövetek fotóinak felismerését és egymástól való megkülönböztetését, a szakemberek több százezer képeket töltöttek be az adatbázisába. A fotók a The Cancer Genome Atlas (TCGA) rendszeréből származtak. Amint az Inception megtanulta 99 százalékos pontossággal felismerni a rákos szöveteket, megtanították arra, hogy megkülönböztesse egymástól a tüdőrák két típusát, az adenokarcinómát és a laphámsejtes karcinómát, amelyekben csak az Amerikai Egyesült Államokban évente több mint 150 000 ember hal meg.
E két ráktípus szövetei a mikroszkóp alatt szinte ugyanúgy néznek ki, miközben teljesen más módon kezelik azokat. A különbség felismerése élet és halál között dönthet. Az algoritmus 83-97 százalékos pontossággal tudta a két ráktípust azonosítani. A szakértő szerint a pontosság csökkenése nem meglepő, mert a kórházi szövetminták esetében számos zavaró tényező merül fel, például gyulladások, elhalt szövetek és fehérvérsejtek. Ráadásul ezek a szövetminták nincsenek lefagyasztva, mint a TCGA-minták. Abban a kutatók biztosak voltak, hogy a pontosság idővel nőni fog. Ehhez csak annyi kell, hogy ezeket a befolyásoló tényezőket megmutassák és megtanítsák az algoritmusnak.
Tszirigosz csapata a TCGA adatbázisában szereplő összes tumor felvételét és genetikai profilját megmutatta az algoritmusnak. Miután a rendszert új fotókkal tesztelték, a mesterséges intelligencia nem csupán azt tudta megállapítani, hogy melyiken szerepelnek rákos szövetek, hanem azt is, hogy melyiken ismerhetők fel e szövetminták genetikai mutációi. Az algoritmus megtanulta észrevenni a legapróbb eltéréseket is, amelyeket még a legjobb szemű és legképzettebb patológusok sem szúrtak ki.
Tszirigosz és csapata azt akarja elérni, hogy a technológia minden kórház minden szövetmintájával működjön, ezért a következő hónapokban további mintákkal fogják tesztelni a rendszert. Ezután hozzák majd csak létre a vállalkozásukat, amelyhez kérni fogják az Amerikai Egyesült Államok Élelmiszer- és Gyógyszerellenőrző Hatóságának (FDA) az engedélyét. A céljuk az, hogy egyszerűen be lehessen küldeni egy tumorminta digitális képét és szinte azonnal megkaphatók legyenek a diagnózis, valamint a javasolt kezelési lehetőségek.
A New York-i Egyetem munkatársai a Nature Medicine oldalain hozták nyilvánosságra új kutatómunkájukat, amelynek lényege, hogy a Google gépi tanulási algoritmusát arra képezték ki, hogy a tüdőrák két leggyakoribb típusát nagy pontossággal felismerje, illetve megkülönböztesse egymástól. Ez egyébként ugyanaz a mesterséges intelligencia, amely a webes konszern online szolgáltatásaiba feltöltött különböző képeken látható arcokat, állatokat és tárgyakat azonosítja, illetve amely diagnózisokat készített a például cukorbetegség miatt bekövetkező szem- és szívbetegségeknél. A Google által megalkotott nyílt forráskódú mesterséges intelligencia a továbbfejlesztésnek köszönhetően már egyetlen felvételen felismeri a tumorokon belüli mutációkat is. Mindezt a New York-i Egyetemen tanították meg a technológiának.
Arisztotelisz Tszirigosz, a New York-i Egyetem Orvostudományi Iskolájának patológusa úgy vélte, az lenne a valódi újítás, ha nem csupán megmutatnák, hogy a mesterséges intelligencia van annyira jó, mint az ember, hanem ha olyan megállapításokat is nyújtana, amiket egy emberi szakértő sem tud. Ezért beszerezték a Google Inception v3 nevű nyílt forráskódú algoritmusát, amelyet az óriáscég azért fejlesztett ki, hogy 1000 különböző objektumosztályt tudjon azonosítani.
A képen a tüdőrák gépi felismerése látható, szürkével az egészséges lebeny, és kék, illetve piros a rákos terület
Ahhoz, hogy az algoritmusnak megtanítsák a beteg és az egészséges szövetek fotóinak felismerését és egymástól való megkülönböztetését, a szakemberek több százezer képeket töltöttek be az adatbázisába. A fotók a The Cancer Genome Atlas (TCGA) rendszeréből származtak. Amint az Inception megtanulta 99 százalékos pontossággal felismerni a rákos szöveteket, megtanították arra, hogy megkülönböztesse egymástól a tüdőrák két típusát, az adenokarcinómát és a laphámsejtes karcinómát, amelyekben csak az Amerikai Egyesült Államokban évente több mint 150 000 ember hal meg.
E két ráktípus szövetei a mikroszkóp alatt szinte ugyanúgy néznek ki, miközben teljesen más módon kezelik azokat. A különbség felismerése élet és halál között dönthet. Az algoritmus 83-97 százalékos pontossággal tudta a két ráktípust azonosítani. A szakértő szerint a pontosság csökkenése nem meglepő, mert a kórházi szövetminták esetében számos zavaró tényező merül fel, például gyulladások, elhalt szövetek és fehérvérsejtek. Ráadásul ezek a szövetminták nincsenek lefagyasztva, mint a TCGA-minták. Abban a kutatók biztosak voltak, hogy a pontosság idővel nőni fog. Ehhez csak annyi kell, hogy ezeket a befolyásoló tényezőket megmutassák és megtanítsák az algoritmusnak.
Tszirigosz csapata a TCGA adatbázisában szereplő összes tumor felvételét és genetikai profilját megmutatta az algoritmusnak. Miután a rendszert új fotókkal tesztelték, a mesterséges intelligencia nem csupán azt tudta megállapítani, hogy melyiken szerepelnek rákos szövetek, hanem azt is, hogy melyiken ismerhetők fel e szövetminták genetikai mutációi. Az algoritmus megtanulta észrevenni a legapróbb eltéréseket is, amelyeket még a legjobb szemű és legképzettebb patológusok sem szúrtak ki.
Tszirigosz és csapata azt akarja elérni, hogy a technológia minden kórház minden szövetmintájával működjön, ezért a következő hónapokban további mintákkal fogják tesztelni a rendszert. Ezután hozzák majd csak létre a vállalkozásukat, amelyhez kérni fogják az Amerikai Egyesült Államok Élelmiszer- és Gyógyszerellenőrző Hatóságának (FDA) az engedélyét. A céljuk az, hogy egyszerűen be lehessen küldeni egy tumorminta digitális képét és szinte azonnal megkaphatók legyenek a diagnózis, valamint a javasolt kezelési lehetőségek.