| Разработчики: | New York University (Нью-Йоркский университет) |
| Дата премьеры системы: | октябрь 2019 г |
| Отрасли: | Фармацевтика, медицина, здравоохранение |
2019: Анонс
В конце октября 2019 года в больницах начали использовать ИИ, который определяет рак молочной железы с точностью 90%.
Рентгенологи и программисты из Центра наук о данных Нью-Йоркского университета разработали новый ИИ-подход для подтверждения диагноза рака молочной железы, который позволит сократить частоту проведения биопсий. Исследователи обнаружили, что если объединить возможности ИИ, обученного на более чем одном миллионе рентгеновских снимков, с анализами, выполненными самими рентгенологами, точность диагностики достигает 90%. Если доверие врачей к маммографическим оценкам возрастет до такого уровня, то необходимость в частом проведении биопсии отпадет сама собой.
Исследователи сообщили, что оценки рентгенологов были точными в 78%, оценки нейросети - в 87%. Гибридная модель оценок рентгенолога на основе данных нейросети обеспечила точность диагностики 89%. При объединении нескольких рентгенологов с нейросетью результаты были верными в 91% случаев.
Таким образом, новый подход объединяет способность ИИ обнаруживать изменения ткани молочной железы на уровне пикселей, невидимые для человеческого глаза, с формами рассуждений, недоступными ИИ. Такой подход должен снизить число ложноположительных и ложноотрицательных результатов, что повысит доверие врачей к результатам маммографии.Эволюция в развитии российских средств защиты от сетевых угроз: как Kaspersky NGFW меняет расстановку сил на рынке 
Программа была обучена на базе данных из 229 426 цифровых скрининговых маммограмм и 1 001 093 изображений, собранных в течение семи лет NYU Langone Health и проанализированных исследователями. Изображения были сопоставлены с результатами биопсии, а работу новой нейросети оценивали по количеству правильных прогнозов. Команда планирует повысить точность диагностики, предоставив программе больше данных — так что нейросеть, возможно, даже сможет выявлять предраковые состояния. [1]
Примечания
