藻类显微镜照片看肿瘤图片!这种谷歌人工智能
作者: 发布时间:2022-07-02 17:35:50点击:978
信息摘要:
大家好,这里是老上光显微镜知识课堂,在这里你可以学到所有关于显微镜知识,好的,请看下面文章:几十年来,医生一直依靠训练有
大家好,这里是老上光显微镜知识课堂,在这里你可以学到所有关于显微镜知识,好的,请看下面文章:
几十年来,医生一直依靠训练有素的人类病理学家的眼睛来诊断癌症。科学家和医生将显微镜聚焦在组织切片上,以有序的方式记录细胞的形状、大小和环境。此后,这些数据被用于确定患者的状况。
在今天发表在《自然医学》杂志上的一项新研究中,纽约大学的科学家重新训练了现成的Google深入学习算法,以区分两种最常见的肺癌类型,准确率为97%。
这种类型的人工智能,在上传到谷歌网站上的图像中识别人脸、动物和对象,已被证明擅长诊断疾病,包括糖尿病失明和心脏病。
但是纽约大学的神经网络已经学到了病理学家从未做过的事情:一张图片可以识别每个肿瘤中的基因突变。
我认为真正新颖的不仅是人工智能和人一样好,而且它提供了人类专家无法提供的见解。研究。
为此,Tsirigos的团队从Google的Inception v3开始,这是一个开源算法,Google训练它识别1000种不同的对象。
为了教授区分癌组织和健康组织的算法,研究人员展示了从癌症基因组图谱中拍摄的数十万张图像。
一旦Inception知道如何以99%的准确率筛选癌细胞,下一步就是教它区分两种类型的肺癌,腺癌和鳞状细胞癌。
虽然在显微镜下它们看起来很相似,但是治疗这两种癌症却大不相同。对于病人来说,正确的治疗意味着生死之别。
当研究人员在纽约大学对癌症患者的单独样本《盗梦空间》进行测试时,其准确度略有下降,但下降幅度不大。
Tsirigos说,这并不奇怪,因为医院样本比冷冻TCGA样本携带更多的噪音、炎症、死亡组织和白细胞处理。
提高度将仅仅允许病理学家用更多的附加特征来注释组织切片,因此算法可以学习挑选它们。
但是,并不是人类的帮助教会了《盗梦空间》去发现那些组织切片上的突变。这种技能是通过算法本身来学习的。
当他们在新的图像上测试他们的系统时,它不仅可以识别出什么显示出癌组织,而且可以识别特定组织样本中的基因突变。
但这些微妙的变化是什么呢我们不知道。它们被埋葬在算法中,没有人真正知道如何提取它们。
这是深层学习的黑箱问题,但在医学领域尤为迫切。批评者认为,这些算法必须首先使其创建者更加透明,才能被广泛使用。
否则,人们将如何能够感知到他们不可避免的失败可能是影响患者生存和死亡的严重问题。
但是康奈尔大学卡里尔和以色列卡里尔和英格兰医学研究所主任奥利维尔·莫里托说,即使你不知道它是如何工作的,你也可以不用99%的时间正确回答问题。临床试验也是愚蠢的。
但是要达到理想的可靠性并不容易。不同的医院使用不同的仪器和程序来处理肿瘤样本。教授一种算法来覆盖所有这些变异性确实是一项困难的任务。
但这是Tsirigos和他的团队计划做的。在接下来的几个月里,研究人员将继续训练他们的人工智能程序以从更多不同的来源获得更多的数据。
想象一下,发送一个肿瘤样本的数字照片,并获得完整的诊断和可行的治疗几乎瞬间。
斯坦福癌症研究所(Stanford Cancer Institute)生物医学信息学主任丹尼尔鲁宾(Daniel Rubin)说,更大的问题是,这种方法是否足够可信,可以取代目前的方法。
他说,如果将来没有大量的验证工作,这是不可能的。但是它确实指出了病理学家在计算机领域工作的前景。
随着Google和其他公司提供更先进的算法作为开源,研究人员现在可以相对轻松地开始他们自己的AI项目。
通过一些定制,这些神经网络可以开始分析大量的生物医学图像数据,而不仅仅是肿瘤图像。
至于算法培训,Tsirigos也提到,起初他不敢邀请纽约大学的任何人参加。毕竟,他们会帮助创造一个未来的竞争对手。
但最终,事实证明,招聘很容易。人们很想知道《盗梦空间》能做什么。不仅是肺癌,还有他们自己的项目。
Tsirigos说他们并不担心被替换,他们乐于提出更深层次的问题,因为机器可以处理简单的问题。
网站网友点击量更高的文献目录排行榜:
点此链接
关注页面底部公众号,开通以下权限:
一、获得问题咨询权限。
二、获得工程师维修技术指导。
三、获得软件工程师在线指导
toupview,imageview,OLD-SG等软件技术支持。
四、请使用微信扫描首页底部官主账号!
本文标签: