Neue Forschungen von Google zeigen, wie maschinelles Lernen eines Tages genutzt werden kann, um Anzeichen von Lungenkrebs früher zu erkennen, als dies heute häufig der Fall ist.

Frühe Warnung: Danial Tse, ein Forscher bei Google, entwickelte einen Algorithmus, der eine Reihe von ausgebildeten Radiologen in Tests schlug. Tse und Kollegen trainierten a Deep-Learning-Algorithmus bösartige Lungenknoten in mehr als 42.000 CT-Scans zu erkennen. Die resultierenden Algorithmen ergaben 11% weniger falsch positive und 5% weniger falsch negative Ergebnisse als ihre menschlichen Gegenstücke. Die Arbeit wird in einem Papier beschrieben veröffentlicht in der Zeitschrift Nature heute.

Mörder Problem: Lungenkrebs hat 2018 in den USA mehr als 160.000 Menschen getötet und ist damit die häufigste Todesursache bei Krebserkrankungen. Auch wenn Computertomographie (CT) ein lebensrettender Bestandteil der Krebsvorsorge sein kann, sind sie oftmals unzuverlässig.

Großes Versprechen: Tse und Kollegen argumentieren, dass KI helfen könnte, das Lungenkrebs-Screening auf der ganzen Welt zuverlässiger zu machen, obwohl sie anerkennen, dass die Arbeit an größeren Patientengruppen validiert werden muss. Tatsächlich wächst das Interesse an der Verwendung von KI, um viele Krebsarten zu bekämpfen. Forscher haben gezeigt, wie maschinelles Lernen genutzt werden kann, um beides zu erkennen Brustkrebs und Hautkrebs, zum Beispiel.

Kleine Schritte: Diese Studien sind aufregend, sollten aber als kleine Fortschritte behandelt werden. Es bleibt eine Herausforderung, KI im Gesundheitswesen einzusetzen aus Datenschutzgründenund weil reale Datensätze selten so perfekt sind wie die, die in Forschungsstudien verwendet werden.

Es ist auch erwähnenswert, dass die Behandlung von Krebs in erster Linie viel mehr als nur das Erkennen der Krankheit umfasst. Die Bestimmung des richtigen Behandlungsverlaufs kann zum Beispiel von einer Reihe von Faktoren abhängen, die von Patient zu Patient sehr unterschiedlich sind. Dies erschwert die Automatisierung dieses Teils des Prozesses erheblich.

LEAVE A REPLY

Please enter your comment!
Please enter your name here

This site uses Akismet to reduce spam. Learn how your comment data is processed.