Et team af matematikere fra RUDN University har med succes udviklet en banebrydende kunstig intelligens (AI)-model, der er i stand til at identificere brystkræft i histologiske prøver med en hidtil uset nøjagtighed på næsten 100%. Gennembruddet blev opnået ved at indarbejde en opmærksomhedsmekanisme-modul, som markant forbedrede modellens evne til at identificere nøglefunktioner og interesseområder i billederne. Resultaterne af denne banebrydende forskning blev offentliggjort i det anerkendte videnskabelige tidsskrift Life.
Tidlig påvisning af brystkræft er afgørende for at forbedre patientens prognose og overordnede behandlingsresultater. Imidlertid er histologisk undersøgelse, der i øjeblikket er den gyldne standard for diagnose, udsat for subjektiv fortolkning og variation i prøvekvalitet, hvilket kan medføre unøjagtigheder og fejldiagnoser. For at imødegå disse udfordringer samarbejdede det tværfaglige team af matematikere med eksperter fra Kina og Saudi-Arabien om at designe en AI-model, der kunne forbedre nøjagtigheden af kræftgenkendelse i histologiske billeder.
“Implementeringen af computerbaseret klassifikation og analyse af histologiske billeder er af afgørende betydning for at forbedre diagnostisk nøjagtighed og lette byrden for medicinske fagfolk,” udtalte Dr. Ammar Muthanna, lederen af Scientific Center for Modeling Wireless 5G Networks ved RUDN University.
Matematikerne testede nøje forskellige konvolutionelle neurale netværk og supplerede dem med opmærksomhedsmodulet, der specifikt blev designet til at opdage objekter i billeder. Den endelige model, der kombinerede det konvolutionelle netværk DenseNet211 med opmærksomhedsmodulet, opnåede en imponerende nøjagtighedsrate på 99,6%. Forskerne observerede desuden, at billedernes skala havde en betydelig indvirkning på genkendelsen af kræftformationer, hvilket understreger behovet for yderligere overvejelse af passende billedtilnærmelser i realverdenens anvendelser.
Dr. Muthanna understregede vigtigheden af opmærksomhedsmekanismer i medicinsk billedanalyse, da de forbedrer trækudtrækningen og modellens generelle præstation. Opmærksomhedsmodulet gjorde det muligt for AI-modellen at fokusere på relevante områder af billederne og udtrække afgørende informationer, hvilket revolutionerer analysen af medicinske billeder.
Dette gennembrud inden for AI-teknologi har potentialet til at revolutionere diagnosen af brystkræft og markant forbedre patienternes resultater. Ved at reducere afhængigheden af subjektive fortolkninger og forbedre nøjagtigheden byder denne AI-model lovende for at transformere feltet inden for medicinsk billeddannelse og fremskynde den tidlige påvisning og behandling af brystkræft.
The source of the article is from the blog macnifico.pt