Proiectele AI pentru a evalua fotografiile celulelor canceroase iau modalități mai rapide care prezintă prejudecăți

imaginea creierului

Dispozitivele de cunoaștere artificială, precum și proiectele de descoperire profundă sunt un dispozitiv eficient în terapia celulelor canceroase. Acestea pot fi folosite pentru a evalua imagini electronice ale exemplelor de biopsie forfetară, ajutând medicii să identifice rapid tipul de celule canceroase, să prevadă diagnosticarea, precum și să prezinte un curs de instruire a terapiei pentru client. Cu toate acestea, cu excepția cazului în care aceste formule sunt corect ajustate, pot face ocazional prognoze nesigure sau prejudiciabile.

Un nou studiu de cercetare condus de oameni de știință de la Universitatea din Chicago relevă faptul că descoperirea profundă a proiectelor educate pe colecții uriașe de celule canceroase ereditare, precum și informații despre histologia celulelor poate determina rapid organizația care a trimis fotografiile. Proiectele, care utilizează abordări de inteligență artificială pentru a se „învăța” exact cum să identifice mărcile specifice ale celulelor canceroase, finalizează folosind site-ul web de trimitere ca o modalitate mai rapidă de a prognoza rezultatele finale pentru client, respectându-le împreună cu alte persoane din în același loc, mai degrabă decât să depindă de biologia anumitor persoane. Acest lucru ar putea duce ulterior la prejudecăți, precum și la pierderea șanselor de terapie la persoanele din echipe rasiale sau minoritare etnice, care ar putea fi mai probabil să fie susținute în anumite facilități clinice, precum și să lupte în prezent cu accesibilitatea la îngrijire.

„Am identificat o gaură evidentă în metodologia actuală pentru dezvoltarea modelului de învățare profundă, ceea ce face ca anumite regiuni și populații de pacienți să fie mai susceptibile de a fi incluse în predicții algoritmice inexacte”, a susținut Alexander Pearson, MD, Ph D., asistent asistent profesor de medicină la UChicago Medicine, precum și scriitor co-senior. Studiul de cercetare a fost lansat pe 20 iulie în Natura Comunicaţii.

Unul dintre primii pași în terapia pentru un client cu celule canceroase este luarea unei biopsii sau un exemplu de celule mici de creștere. O bucată foarte subțire a nodului este fixată pe lamă de sticlă, care este pătată cu diferiți coloranți coloranți pentru a fi mărturisiți de un patolog pentru a face un diagnostic medical. Fotografiile digitale pot fi produse ulterior pentru spațiu de stocare, precum și pentru evaluarea de la distanță, utilizând un obiectiv microscopic de scanare. În timp ce aceste acțiuni sunt în principal comune în laboratoarele de patologie, mici variante la nuanța sau cantitatea de decolorare, strategiile de manipulare a celulelor, precum și în dispozitivele de imagistică pot dezvolta mărci comerciale distincte, cum ar fi etichete, pe fiecare fotografie. Aceste mărci comerciale specifice locației nu sunt vizibile cu ochiul liber, dar sunt descoperite rapid prin formule eficiente de descoperire profundă.

Aceste formule pot fi un dispozitiv important pentru a permite medicilor să evalueze rapid o creștere, precum și alternative de terapie de ansamblu, dar introducerea acestui tip de prejudecăți implică faptul că proiectele nu își bazează în mod constant evaluarea pe mărcile organice pe care le vede. în fotografii, dar în schimb artefactele foto produse de distincții între trimiterea site-urilor web.

Pearson, precum și asociații săi, au cercetat eficiența descoperirii profunde a modelelor educate pe informații din Atlasul genomului cancerului, printre cele mai mari baze de date de celule canceroase ereditare, precum și informații despre celule foto. Aceste modele pot prognoza prețuri de supraviețuire, modele de expresie genetică, anomalii, precum și multe altele din histologia celulelor, cu toate acestea, regularitatea acestor caracteristici ale clientului diferă în mod obișnuit, bazându-se pe unitățile care au trimis fotografiile, precum și pe versiunea implicită de tipul „ cel mai ușor ”înseamnă să comparați exemple - în această situație, site-ul web de trimitere.

De exemplu, dacă Spitalul An oferă în principal oamenilor bogați cu surse și mai multe, precum și o accesibilitate mult mai bună la îngrijire, fotografiile trimise de la unitatea de asistență medicală vor sugera, de obicei, rezultate finale mai bune pentru clienți, precum și prețuri de supraviețuire. Dacă Spitalul B oferă o populație extraprivată care se luptă cu accesibilitatea la tratament de înaltă calitate, fotografiile trimise de site-ul web vor prognoza, de obicei, rezultate finale chiar mai proaste.

Grupul de studiu de cercetare a constatat că atunci când proiectele au recunoscut organizația care a trimis fotografiile, acestea au avut tendința de a le folosi ca suport pentru diferite alte caracteristici ale fotografiei, constând din origini. Cu alte cuvinte, dacă strategiile de decolorare sau imagistică pentru un diapozitiv ar apărea ca și cum ar fi fost trimise de Spitalul A, proiectele ar prevedea cu siguranță rezultate finale mult mai bune, în timp ce ar prevedea cu siguranță rezultate finale chiar mai proaste dacă ar apărea ca o imagine din Spital B. Dimpotrivă, dacă toți oamenii din spitalul B ar avea de fapt trăsături organice bazate pe gene care sugerează un diagnostic și mai rău, formula ar conecta cu siguranță rezultatele finale și mai proaste la modelele de decolorare ale spitalului B, mai degrabă decât la punctele pe care le-a văzut în celule.

„Algoritmii sunt concepuți pentru a găsi un semnal pentru a diferenția între imagini și o face leneș prin identificarea site-ului”, a susținut Pearson. „De fapt, vrem să înțelegem ce biologie în cadrul unei tumori este mai probabil să predispună la rezistență la tratament sau la boala metastatică precoce, așa că trebuie să separăm semnătura histologică digitală specifică site-ului de la adevăratul semnal biologic”.

Esențial pentru prevenirea acestui tip de prejudecăți este să ia în considerare meticulos informațiile utilizate pentru a educa proiectele. Dezvoltatorii se pot asigura că diferitele rezultate finale ale bolii sunt dispersate uniform pe toate site-urile web folosite în informațiile de instruire sau separând un anumit site web în timpul antrenamentului sau examinând versiunea atunci când circulația rezultatelor finale este inegală. Rezultatul va genera cu siguranță dispozitive și mai precise, care pot obține medicilor detaliile de care au nevoie pentru a detecta rapid, precum și pentru a intenționa terapii pentru persoanele cu celule canceroase.

„Promisiunea inteligenței artificiale este capacitatea de a oferi sănătate precisă și rapidă cu precizie mai multor oameni”, a susținut Pearson. „Pentru a satisface nevoile membrilor fără drepturi ai societății noastre, totuși, trebuie să putem dezvolta algoritmi care sunt competenți și să facă predicții relevante pentru toată lumea.”.

Detonic