Διπλωματική νίκη της AI στον εντοπισμό μεταστάσεων λεμφαδένων
Μια ερευνητική ομάδα από το Πανεπιστήμιο Επιστήμης και Τεχνολογίας του Χονγκ Κονγκ (HKUST) προχώρησε στην ανάπτυξη ενός καινοτόμου συστήματος ανάλυσης παθολογικών εικόνων με τη βοήθεια τεχνητής νοημοσύνης (AI). Το νέο αυτό σύστημα μπορεί να αναγνωρίζει ακριβώς διάφορους τύπους καρκίνου, απαιτώντας μόνο περιορισμένα δείγματα και χωρίς την ανάγκη επιπλέον εκπαίδευσης. Αυτή η ανακάλυψη προάγει τη δυνατότητα και την αποδοτικότητα της AI στη ιατρική, αναδεικνύοντας σημαντικά την προοπτική της ευρύτερης υιοθέτησης ευφυούς παθολογίας.
Η ανάγκη για καινοτομία στην παθολογία
Περίπου 20 εκατομμύρια νέα κρούσματα καρκίνου καταγράφονται παγκοσμίως κάθε χρόνο, με την παθολογική εξέταση να παίζει κρίσιμο ρόλο στην κλινική διάγνωση και στη λήψη αποφάσεων για τη θεραπεία. Ωστόσο, λόγω της σοβαρής έλλειψης παθολογιστών, το ιατρικό προσωπικό αναζητά καινοτόμες λύσεις για τη βελτίωση της αποτελεσματικότητας της παθολογικής ανάλυσης.
Η καινοτομία του PRET
Ο παραδοσιακός τρόπος λειτουργίας της AI στον τομέα της παθολογίας απαιτεί τη συλλογή και εκπαίδευση δεκάδων χιλιάδων εικόνων παθολογίας για κάθε συγκεκριμένο τύπο καρκίνου ή διαγνωστικό έργο. Αυτό οδηγεί σε χρονοβόρες διαδικασίες ανάπτυξης και υψηλό κόστος σε υπολογιστική ισχύ και ανθρώπινο δυναμικό. Το νέο σύστημα, γνωστό ως PRET (Pan-cancer Recognition without Example Training), είναι το πρώτο που εισάγει την έννοια της “in-context learning” από την επεξεργασία φυσικής γλώσσας στην ανάλυση παθολογικών εικόνων. Έτσι, το μοντέλο μπορεί να προσαρμόζεται άμεσα σε νέους τύπους καρκίνου και να εκτελεί διαγνωστικά καθήκοντα αναφοράς, χρησιμοποιώντας μόλις ένα έως οκτώ επισημασμένα δείγματα όγκων.
Διαπιστώσεις και επιδόσεις του PRET
Η ομάδα ερεύνης ημερεύει με εκτενή πιστοποίηση του συστήματος PRET, χρησιμοποιώντας 23 διεθνή διαγνωστικά δεδομένα από ιατρικά ιδρύματα στην Κίνα, τις Ηνωμένες Πολιτείες και την Ολλανδία, καλύπτοντας 18 τύπους καρκίνου και διάφορα διαγνωστικά καθήκοντα. Τα αποτελέσματα έδειξαν ότι το σύστημα υπερέβη τις υπάρχουσες μεθόδους σε 20 διαγνωστικά καθήκοντα, με την ΑAREA Under the Curve (AUC), δηλαδή την ακρίβεια διάγνωσης, να υπερβαίνει το 97% σε 15 από αυτά τα καθήκοντα.
Η υπόσχεση του συστήματος
Στη δύσκολη πρόκληση της ανίχνευσης μεταστάσεων λεμφαδένων, το PRET πέτυχε AUC περίπου 98.71% με μόλις οκτώ δείγματα, υπερβαίνοντας την μέση απόδοση 11 παθολογιστών, οι οποίοι είχαν μέση AUC 81%. Ο Prof. Li Xiaomeng δήλωσε ότι “η κύρια αξία του PRET συστήματος έγκειται στο ότι καταρρίπτει τα παραδοσιακά εμπόδια της ‘μαζικής πληροφορίας και της επαναλαμβανόμενης εκπαίδευσης’, επιτρέποντας την εφαρμογή τεχνολογικών συστημάτων παθολογίας σε πραγματικές κλινικές συνθήκες με χαμηλότερο κόστος και μεγαλύτερη ευελιξία.”
Προοπτικές για το μέλλον
Αυτή η καινοτομία μπορεί όχι μόνο να διευκολύνει την πίεση που αντιμετωπίζουν οι παθολόγοι, αλλά και να βελτιώσει την πρόσβαση στη διάγνωση του καρκίνου σε υποεξυπηρετούμενες περιοχές. Μέσω αυτού του συστήματος “plug-and-play”, οι ερευνητές ευελπιστούν ότι οι προηγμένες και προσιτές λύσεις θα γίνουν σύντομα πραγματικότητα στο ιατρικό τοπίο.
