Eine neue Studie, die von der koreanischen akademischen Krankenhäuser und Lunit, eine medizinische AI-Unternehmen, spezialisiert in der Entwicklung von AI-Lösungen für die Radiologie und Onkologie, demonstrierte die Vorteile der AI-aided Brust-Krebs-Früherkennung von Mammographie-Bilder. Die Studie wurde online veröffentlicht am 6. Februar 2020, in Lancet Digital Health und bietet großräumige Daten von über 170.000 Mammographie-Untersuchungen von fünf Institutionen in Süd-Korea, USA und Großbritannien, bestehend aus asiatischen und kaukasischen weiblichen Brust Bilder.
TOP-ERGEBNISSE
Eine der wichtigsten Erkenntnisse zeigte, dass die KI, im Vergleich zu den Radiologen, angezeigt, die bessere Empfindlichkeit bei der Erkennung von Krebs mit Masse (90% vs. 78%) und Wettbewerbsverzerrungen oder-Asymmetrie (90% vs. 50%). Die KI war besser in der Erkennung der T1-Tumoren, die ist kategorisiert als early-stage-invasiven Krebs. AI erkannten 91% der T1-Karzinome und 87% der node-negativen Krebserkrankungen, in der Erwägung, dass der radiologe-reader-Gruppe 74% für beide.
Ein weiteres Ergebnis war eine signifikante Verbesserung in der Leistung der Radiologen, vor und nach der Verwendung von AI. Laut der Studie, die KI allein zeigte 88.8% Empfindlichkeit in der Brust-Krebs-Früherkennung, in der Erwägung, dass die Radiologen allein zeigte auf 75,3%. Beim Radiologen wurden unterstützt von AI, die Genauigkeit erhöhte sich um 9,5% auf 84.8%.
Ein wichtiger Faktor bei der Diagnose Mammographie ist die Brustdichte und dichten Brustgewebes, meist von der asiatischen Bevölkerung, machen es schwieriger zu interpretieren, da bei dichtem Gewebe ist eher Maske Krebserkrankungen in der Mammographie. Laut der Studie, die diagnostische Leistungsfähigkeit der KI war weniger beeinflusst durch die Dichte der Brust, in der Erwägung, dass Radiologen die Leistung war anfällig für Dichte, zeigen eine höhere Empfindlichkeit auf Fette Brüste auf 79.2% im Vergleich zu den dichten Brüsten auf 73.8%. Wenn aided von AI, die Radiologen, die die Sensibilität bei der Interpretation von dichten Brüsten erhöht sich um 11%.
DER GRÖßERE TREND
Befunde aus einer Studie in Nature veröffentlicht wurde angegeben, dass die Google-AI-Modell gesichtet Brustkrebs in de-identifiziert, die screening-Mammogramme mit größerer Genauigkeit, mit weniger false positives und false negatives als Experten, HealthCareITNews berichtet.
Lunit vor kurzem hob $26M C-Serie Finanzierung von koreanischen und chinesischen Investoren, die das Unternehmen sagte, war seine größte Finanzierungsrunde, nach einem DealStreetAsia Bericht im Januar.
AUF DER PLATTE
„Es ist eine beispiellose Menge von Daten mit exakter Boden-Wahrheit-vor allem der 36.000 Krebs-Fälle, die sieben mal größer als die übliche Anzahl von Datensätzen, die aus ähnlich Studien, die zuvor“, sagte Hyo-Eun Kim, der erste Autor der Studie und Chief Product Officer bei Lunit.
Prof. Eun-Kyung Kim, der entsprechende Autor der Studie und ein Brustkrebs-radiologe an der Yonsei Universität Severance Hospital, sagte: „Eines der größten Probleme bei der Erkennung von malignen Läsionen aus den Mammographie-Bildern ist, dass zur Reduzierung der false negative—verpasste Fällen—Radiologen neigen dazu, zu erhöhen, erinnert daran, casting ein breiteres Sicherheitsnetz, das bringt eine erhöhte Anzahl von unnötigen Biopsien.“
„Es erfordert viel Erfahrung richtig zu interpretieren Brust Bilder und unsere Studie zeigte, dass AI kann helfen, mehr Brustkrebs mit geringerem erinnert, auch die Erkennung von Krebs in einem frühen Stadium der Entwicklung.“