Thoại Viết Hoàng
Writer
AI học sâu của Google có tên LYNA có thể xác định chính xác các vùng khối u trong hạch bạch huyết trong 99% thời gian.
AI học sâu của Google đã chứng minh rằng nó chính xác hơn các nhà nghiên cứu bệnh học trong việc phát hiện ung thư vú đã di căn đến các hạch bạch huyết của bệnh nhân.
Sự hiện diện hay vắng mặt của những 'di căn hạch' này ảnh hưởng đến tiên lượng và kế hoạch điều trị của bệnh nhân, vì vậy việc phát hiện nhanh và chính xác là rất quan trọng. Nhưng trong một số trường hợp, chỉ có 38% di căn nhỏ được các nhà nghiên cứu bệnh học phát hiện khi các mẫu được xem xét trong điều kiện hạn chế về thời gian, và hiện tại, việc kiểm tra của nhà nghiên cứu bệnh học đó là tiêu chuẩn vàng trong chẩn đoán di căn hạch.Google đã tùy chỉnh một trong những phương pháp học sâu 'có sẵn' của mình, gọi nó là LYNA (Trợ lý nút bạch huyết). Trong số những thứ khác, người ta dạy cách kiểm tra hình ảnh ở các độ phóng đại khác nhau, tương tự như cách một nhà nghiên cứu bệnh học kiểm tra các slide.
Thử nghiệm đầu tiên của thuật toán cho thấy LYNA có thể phân biệt chính xác một slide bị ung thư với một slide mà không có 99% thời gian, ngay cả khi các vùng quá nhỏ để các nhà nghiên cứu bệnh học có thể phát hiện được.
Trong lần thứ hai, sáu nhà nghiên cứu bệnh học đã hoàn thành xét nghiệm chẩn đoán có và không có sự trợ giúp của LYNA. Với sự giúp đỡ của LYNA, các bác sĩ nhận thấy việc phát hiện các di căn nhỏ ‘dễ dàng hơn’ và trung bình công việc chỉ mất một nửa thời gian. Các nhà nghiên cứu bệnh học làm việc với sự hỗ trợ của LYNA sẽ chính xác hơn cả các nhà nghiên cứu bệnh học không được hỗ trợ và thuật toán LYNA làm việc riêng lẻ.
Các nhà nghiên cứu của Google gợi ý rằng các thuật toán như LYNA có thể trợ giúp thực hiện các nhiệm vụ nhận dạng này để cho phép các nhà nghiên cứu bệnh học có thêm thời gian làm việc trên các chẩn đoán phức tạp hơn. Nhưng hiện tại, cần phải thử nghiệm thêm để xác định xem LYNA có hoạt động trong môi trường thực tế hay không, điều này có thể liên quan đến nhiều loại mẫu hơn từ các vị trí khác nhau trong cơ thể.
Tham khảo bài viết gốc tại đây:
Sự hiện diện hay vắng mặt của những 'di căn hạch' này ảnh hưởng đến tiên lượng và kế hoạch điều trị của bệnh nhân, vì vậy việc phát hiện nhanh và chính xác là rất quan trọng. Nhưng trong một số trường hợp, chỉ có 38% di căn nhỏ được các nhà nghiên cứu bệnh học phát hiện khi các mẫu được xem xét trong điều kiện hạn chế về thời gian, và hiện tại, việc kiểm tra của nhà nghiên cứu bệnh học đó là tiêu chuẩn vàng trong chẩn đoán di căn hạch.Google đã tùy chỉnh một trong những phương pháp học sâu 'có sẵn' của mình, gọi nó là LYNA (Trợ lý nút bạch huyết). Trong số những thứ khác, người ta dạy cách kiểm tra hình ảnh ở các độ phóng đại khác nhau, tương tự như cách một nhà nghiên cứu bệnh học kiểm tra các slide.
Thử nghiệm đầu tiên của thuật toán cho thấy LYNA có thể phân biệt chính xác một slide bị ung thư với một slide mà không có 99% thời gian, ngay cả khi các vùng quá nhỏ để các nhà nghiên cứu bệnh học có thể phát hiện được.
Trong lần thứ hai, sáu nhà nghiên cứu bệnh học đã hoàn thành xét nghiệm chẩn đoán có và không có sự trợ giúp của LYNA. Với sự giúp đỡ của LYNA, các bác sĩ nhận thấy việc phát hiện các di căn nhỏ ‘dễ dàng hơn’ và trung bình công việc chỉ mất một nửa thời gian. Các nhà nghiên cứu bệnh học làm việc với sự hỗ trợ của LYNA sẽ chính xác hơn cả các nhà nghiên cứu bệnh học không được hỗ trợ và thuật toán LYNA làm việc riêng lẻ.
Các nhà nghiên cứu của Google gợi ý rằng các thuật toán như LYNA có thể trợ giúp thực hiện các nhiệm vụ nhận dạng này để cho phép các nhà nghiên cứu bệnh học có thêm thời gian làm việc trên các chẩn đoán phức tạp hơn. Nhưng hiện tại, cần phải thử nghiệm thêm để xác định xem LYNA có hoạt động trong môi trường thực tế hay không, điều này có thể liên quan đến nhiều loại mẫu hơn từ các vị trí khác nhau trong cơ thể.
Tham khảo bài viết gốc tại đây:
