A AI de código aberto do Google diagnostica tipos de câncer de pulmão com extrema precisão!

Anteriormente, os nossos artigos Open Science e AI discutiram de forma elaborada a importância da Ciência de Código Aberto e da IA ​​através de várias aplicações, incluindo Saúde e Medicina. Recentemente, houve novos avanços promissores nesses campos!

Os patologistas do câncer agora podem usar um avançado sistema 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 Universidade de Nova York (NYU), descritos há dois anos neste vídeo em grande detalhe:

Seu sistema de IA é chamado de DeepPATH, uma estrutura de código aberto que reúne os códigos que foram usados ​​para estudar o uso de uma arquitetura de aprendizagem profunda (Inception do Google v3).

O futuro da terapia assistida por IA parece mais promissor do que nunca, agora que os pesquisadores da NYU projetaram a estrutura do DeepPATH. Seu algoritmo foi projetado para treiná-lo para diferenciar e identificar imagens de pulmões que consistem em tecidos afetados por Normal e Câncer.

Por que essa ótima notícia?

A forma mais comum de câncer no mundo é o câncer de pulmão. Até agora, em 2018, foram notificados 2, 09 milhões de casos de câncer de pulmão, com 1, 76 milhões de mortes relacionadas apenas ao câncer de pulmão. A OMS detalha isso vividamente.

Existem quatro fatores principais de risco para o câncer:

  • Uso do tabaco
  • Uso de álcool,
  • Dieta não saudável
  • Inatividade física

O artigo da Nature (preprint disponível aqui) intitulado “Classificação e predição de mutação de imagens de histopatologia de câncer de pulmão de não pequenas células usando aprendizado profundo”, destaca a eficácia de seu algoritmo na identificação de Tipos de Câncer de Pulmão com 97% de Exatidão!

Por que o novo estudo é útil para os patologistas do câncer?

Os pesquisadores conseguiram o novo feito, ensinando seu algoritmo de IA para diferenciar entre dois tipos específicos de câncer de pulmão, ou seja, adenocarcinoma (LUAD) e carcinoma de células escamosas (LUSC), que são os subtipos mais prevalentes de câncer de pulmão.

Baseado na imagem esquerda (uma fatia de tecido cancerígeno do pulmão), o AI classifica em três categorias, como vemos à direita: LUAD está em vermelho, LUSC em azul, e Normal / Healthy Lung Tissue foi mostrado como cinza | Fonte da imagem aqui

Na prática médica convencional, a inspeção visual por um patologista experiente é absolutamente essencial para identificar distintamente um tipo de câncer de pulmão do outro. Agora, a IA pode realizar a mesma tarefa, pois o desempenho de seus modelos de aprendizagem profunda foi comparável a cada um dos três patologistas (dois torácicos e um anatômico) que foram convidados a participar deste estudo e essa é a razão pela qual esse avanço é tão significativo. !

A criação do Google v3 foi treinada para reconhecer áreas tumorais com base nas seleções manuais dos patologistas. Os pesquisadores da NYU treinaram uma rede neural convolucional profunda (Google inception v3) em imagens de slides inteiros obtidas do The Cancer Genome Atlas para classificá-las de maneira inteligente em LUAD, LUSC ou Normal Lung Tissue.

Além de identificar o tecido canceroso, a equipe também o treinou para identificar mutações genéticas no tecido. Dos dez genes mais comumente mutados em LUAD, seis deles, ou seja, STK11, EGFR, FAT1, SETBP1, KRAS e TP53 foram previstos.

Não só isso, mas a equipe de cientistas de IA também expôs o aspecto futuro de aplicar o mesmo algoritmo para estender a classificação a outros tipos de câncer pulmonar menos comuns, como carcinoma de células grandes, câncer de pulmão de pequenas células e subtipos histológicos de LUAD. e também a características não neoplásicas (neoplásicas relacionadas a neoplasias), incluindo necrose, fibrose e outras alterações reativas no microambiente tumoral.

Eles também mencionaram insuficiência de dados neste momento para tais aplicações. Mas, no futuro, se mais casos desse tipo forem vistos, mais conjuntos de dados também terão que ficar disponíveis, para que o algoritmo treine com eles.

Todo o estudo de aprendizado profundo da equipe foi acelerado, aproveitando o poder computacional significativamente maior de Unidades de Processamento Gráfico ou GPUs (em comparação com Unidades de Processamento Central ou CPUs convencionais). Eles usaram uma única GPU Tesla K20m em particular, com o tempo de processamento em torno de 20 segundos. Mas eles também destacaram que o uso de várias GPUs reduziria ainda mais esse tempo para alguns segundos.

Nossa parte mais favorita desta notícia é claro que todo o código do DeepPATH é Open Source e prontamente disponível no GitHub. Isso seria realmente útil para acadêmicos e pesquisadores (tanto indivíduos quanto grupos) que estão trabalhando em projetos de pesquisa similares que também gostariam de aplicar o mesmo sistema para analisar e interpretar seus próprios conjuntos de dados com AI. Esses conjuntos de dados podem ser de qualquer forma que possam beneficiar nossa sociedade.

Nós discutimos conjuntos de dados em um artigo anterior, onde descrevemos como as iniciativas da Open Science da NASA podem ser utilizadas para solicitar sugestões de conjuntos de dados por meio da submissão em seu Portal de Dados Abertos. Talvez os conjuntos de dados disponíveis lá também possam ser bastante engenhosos para o AI de código aberto do Google?

Este não é um novo e surpreendente marco para a AI de código aberto? 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.

Recomendado

Qalculate! - A melhor aplicação de calculadora em todo o universo
2019
Conheça Nitrux: A Distribuição Linux Mais Bonita de Sempre?
2019
Coisas para fazer depois de instalar o openSUSE Leap 15
2019