Rozwój systemów uczących się w diagnostyce raka piersi

Algorytmy uczące się są coraz poważniejszą konkurencją dla dotychczasowych metod wykrywania i diagnozowania raka piersi. Powstają już maszyny, które przeprowadzają tą metodą skuteczne analizy zdjęć USG, są również algorytmy, które w stanie dokonać kompleksowej diagnozy.

Punktem odniesienia dla wszystkich urządzeń klasyfikowanych jako "uczące się" są raporty patomorfologiczne i zdjęcia USG, których analiza pozwala wytworzyć maszynie swoisty klucz do wykrywania nieregularności i zmian w obrębie piersi. Wyposażona w takie narzędzia aparatura jest w stanie na bieżąco analizować zdjęcia USG. Tego typu systemem jest S-Detect for Breast, który funkcjonuje już w urządzeniach do USG (na razie póki co tylko w Samsung Medison RS80A).

Kolejną pozytywną informacją jest, że badacze z Instytutu Regenstrief i Indiana University School of Informatics and Computing ogłosili, że istniejące już narzędzia dedykowane, oparte na uczeniu się maszynowym są przynajmniej tak samo skuteczne, jeśli nie skuteczniejsze w konstruowaniu raportów i diagnozowaniu przypadków raka, ponadto są szybsze i wymagają mniej zasobów niż diagnostycy. Badaczom udało się zbudować bazę 7 000 raportów patomorfologicznych pochodzących z danych ponad 30 szpitali wchodzących w skład Indiana Health Information Exchange.

W kwestii diagnostyki raka piersi następuje zatem przełom, który już teraz wygenerował szereg nowych praktycznych rozwiązań i narzędzi, które ułatwią i pomogą ludziom, bądź nawet ich skutecznie zastąpią.

Źródło [EN]: http://www.kurzweilai.net/machine-learning-rivals-human-skills-in-cancer-detection