Anteriormente, nossos Open Science e artigos AI discutiram elaboradamente a importância da Open Source Science e AI por meio de várias aplicações, incluindo Saúde e Medicina. Recentemente, houve novos avanços promissores nesses campos!
Cancer Pathologists agora podem fazer uso de um sistema avançado de IA de código aberto que agora atingiu um nível extremamente alto de precisão na detecção de certas formas de câncer de pulmão!
Esta é a realização de uma das muitas visões dos inovadores e pesquisadores da New York University (NYU), descrita há dois anos neste vídeo em grandes detalhes:
Seu sistema de IA é chamado DeepPATH, uma estrutura de código aberto que reúne os códigos que foram usados para estudar o uso de uma arquitetura de aprendizado profundo (Google inception v3).
O futuro da terapia assistida por IA parece mais promissor do que nunca, agora que os pesquisadores da NYU projetaram a estrutura DeepPATH. Seu algoritmo foi projetado para treiná-lo para diferenciar e identificar imagens de pulmões que consistem em tecidos normais e afetados por câncer.
Por que isso é uma ótima notícia?
A forma mais comum de câncer em todo o mundo é o câncer de pulmão. Até agora, em 2018, 2,09 milhões de casos de câncer de pulmão foram relatados, com 1,76 milhão de mortes relacionadas apenas ao câncer de pulmão. Detalhes da OMS vividamente.
Existem quatro principais fatores de risco de câncer:
- Uso do tabaco
- Uso de álcool,
- Dieta não saudável
- Inatividade física
The Nature paper (pré-impressão disponível aqui) intitulado Classificação e previsão de mutação a partir de imagens histopatológicas de câncer de pulmão de células não pequenas usando aprendizado profundo, destaca a eficácia de seu algoritmo na identificação de tipos de câncer de pulmão com 97% Precisão!
Por que o novo estudo é útil para patologistas do câncer?
Os pesquisadores alcançaram a nova façanha ensinando seu algoritmo de IA a diferenciar entre dois tipos específicos de câncer de pulmão, a saber, Adenocarcinoma (LUAD) e carcinoma de células escamosas (LUSC), que são os subtipos mais prevalentes de câncer de pulmão.
Com base na imagem à esquerda (uma fatia de tecido canceroso do pulmão), o AI classifica em três categorias, como vemos à direita: LUAD está em vermelho, LUSC em azul, e tecido pulmonar normal/saudável foi mostrado em cinza | Fonte da imagem aqui Na prática médica convencional, a inspeção visual por um patologista experiente é absolutamente essencial para identificar claramente um tipo de câncer de pulmão do outro. Agora, a IA pode realizar a mesma tarefa, já que o desempenho de seus modelos de aprendizado profundo foi comparável a cada um dos três patologistas (dois torácicos e um anatômico) que foram convidados a participar deste estudo e esta é a razão pela qual esse avanço é tão significativo!
A concepção v3 do Google foi treinada para reconhecer áreas tumorais com base nas seleções manuais dos patologistas. Os pesquisadores da NYU treinaram uma rede neural convolucional profunda (início do Google v3) em imagens de lâmina inteira obtidas no Atlas do Genoma do Câncer para classificá-las de forma inteligente em LUAD, LUSC ou tecido pulmonar normal.
Além de identificar o tecido canceroso, a equipe também o treinou para identificar mutações genéticas dentro do tecido. Dos dez genes mais comumente mutados em LUAD, seis deles, a saber, STK11, EGFR, FAT1, SETBP1, KRAS e TP53, foram previstos.
Não apenas isso, mas a equipe de cientistas de IA também definiu o aspecto futuro da aplicação do mesmo algoritmo para estender a classificação a outros tipos de câncer de pulmão menos comuns, como carcinoma de células grandes, pulmão de células pequenas câncer e subtipos histológicos de LUAD e também a características não neoplásicas (neoplásica refere-se a neoplasias) incluindo necrose, fibrose e outros mudanças reativas no microambiente tumoral.
Eles também mencionaram a insuficiência de dados neste momento para tais aplicações. Mas, no futuro, se mais casos assim forem eventualmente vistos, então mais conjuntos de dados também terão de se tornar disponíveis, para que o algoritmo treine com eles.
Todo o estudo de aprendizado profundo pela equipe foi acelerado pelo aproveitamento do poder computacional significativamente maior das unidades de processamento gráfico ou GPUs (comparado às unidades de processamento central convencionais ou CPUs). Eles usaram uma única GPU Tesla K20m em particular, com o tempo de processamento sendo em torno de 20 segundos. Mas eles também destacaram que o uso de várias GPUs reduziria esse tempo ainda mais para alguns segundos.
Nossa parte mais favorita desta notícia é, claro, que todo o código do DeepPATH é Open Source e está disponível no GitHub . Isso o tornaria realmente útil para acadêmicos e pesquisadores (indivíduos e grupos) que estão trabalhando em projetos de pesquisa semelhantes e que também gostariam de aplicar o mesmo sistema para analisar e interpretar seus próprios conjuntos de dados com IA. Esses conjuntos de dados podem ter qualquer formato que possa beneficiar nossa sociedade.
Discutimos conjuntos de dados em um artigo anterior, onde descrevemos como as iniciativas de ciência aberta da NASA podem ser utilizadas para solicitar sugestões de conjuntos de dados por meio do envio em seu Portal de dados abertos. Talvez os conjuntos de dados disponíveis lá também possam ser bastante úteis para a IA de código aberto do Google?
Não é um novo marco incrível para a IA de código aberto aplicada? Você gostaria de ver mais desses desenvolvimentos no futuro da IA aplicada com uma abordagem de código aberto? Deixe-nos saber seus pensamentos nos comentários abaixo.
Via itsfoss.com. Você pode conferir o post original em inglês:
Google’s Open Source AI Diagnoses Lung Cancer Types with Extreme Accuracy!
Última atualização deste artigo: 7 de october de 2018
