Ούγγροι επιστήμονες ανακάλυψαν μία νέα μέθοδο με την οποία μπορεί να διαγνωστεί ο καρκίνος του μαστού νωρίτερα, ευκολότερα και ταχύτερα. Η δημοσίευση τους έρχεται στη 30η θέση των πιο πολυδιαβασμένων δημοσιεύσεων του περιοδικού Nature, ενός από τα πιο έγκυρα επιστημονικά περιοδικά στον κόσμο.
Μια επανάσταση στην ανίχνευση του καρκίνου του μαστού; Ο καρκίνος του μαστού είναι ο πιο κοινός καρκίνος στις γυναίκες, ενώ είναι η κύρια αιτία θανάτου από καρκίνο στις γυναίκες σε όλο τον κόσμο. Γι’ αυτό, οι Ούγγροι επιστήμονες ανέπτυξαν μια καινοτόμο μέθοδο, το επονομαζόμενο σύστημα «βαθιάς γνώσης» ένα λογισμικό ανάλυσης εικόνας, που μπορεί να φέρει επανάσταση στις μαστογραφίες. Η δημοσίευση της έρευνάς τους στο περιοδικό Nature έγινε η 30η πιο πολυδιαβασμένη, μεταξύ περισσότερων από 17.000 άρθρων που δημοσιεύτηκαν στο επιστημονικό περιοδικό το 2018, όπως αναφέρει το site szeretlekmagyarorszag.hu.
Στην πραγματικότητα, η μέθοδος πρωτοπαρουσιάστηκε στο διεθνή διαγωνισμό Digital Mammography DREAM Challenge, που στοχεύει σε ανάπτυξη νέων μεθόδων αξιολόγησης του μαστού. Ο διαγωνισμός ξεκίνησε από το Εθνικό Ινστιτούτο Καρκίνου των ΗΠΑ μαζί με την Πρωτοβουλία για τον Καρκίνο που ξεκίνησε ο πρώην αντιπρόεδρος των ΗΠΑ Joe Biden. Στο διαγωνισμό, ο Dezső Ribli ένας φοιτητής διδακτορικού από το Πανεπιστήμιο Eötvös Loránd (με έδρα τη Βουδαπέστη) μαζί με έναν από τους συντάκτες της δημοσίευσης του περιοδικού Nature, κατέκτησαν τη δεύτερη θέση ανάμεσα σε περισσότερους από 1.200 υποψήφιους επιστήμονες παγκοσμίως.
Σύμφωνα με τους συντάκτες της Nature, ο διαγωνισμός Digital Mammography DREAM Challenge DM τους έδωσε την ευκαιρία να συγκρίνουν τη απόδοση των ανταγωνιστικών μεθόδων των λοιπών υποψήφιων, με ελεγχόμενο και δίκαιο τρόπο αντί για μεμονωμένες αξιολογήσεις σε διαφορετικά ή ατομικά σύνολα δεδομένων. Το λογισμικό ανάλυσης εικόνας, που αναπτύχθηκε από την ουγγρική επιστημονική ομάδα, είναι σε θέση να ανιχνεύσει το 90% των κακοηθών όγκων, ενώ κατά μέσο όρο, σηματοδοτεί μόνο το 30% των «εσφαλμένων» εικόνων. Αυτό είναι ένα πολύ καλό ποσοστό για τη σύγχρονη πρακτική Ιατρική καθώς βοηθά την έγκαιρη ανίχνευση της ασθένειας. Παράλληλα, το σύστημα μαθαίνει αυτόνομα αναλύοντας συνεχώς νέες εικόνες.
Τεχνητή Νοημοσύνη-Ταχύτερη και ακούραστη
Εφόσον η νέα μέθοδος λειτουργήσει καλά και στις επόμενες δοκιμές, θα μπορούν να πραγματοποιούνται μαστογραφίες ακόμη και σε νοσοκομεία που δοκιμάζονται από έλλειψη εξειδικευμένου προσωπικού ή όπου αυτοί είναι υπερφορτωμένοι.
Σχετικά με την ιστορία της νέας μεθόδου, έγραψαν ότι τις τελευταίες δύο δεκαετίες, συστήματα Computer Aided Detection (CAD) αναπτύχθηκαν για να βοηθήσουν τους ακτινολόγους στην ανάλυση των μαστογραφιών. Ωστόσο, τα οφέλη των σημερινών τεχνολογιών CAD φαίνεται να είναι αντιφατικά και ως εκ τούτου θα πρέπει να βελτιωθούν ώστε να θεωρηθούν τελικά χρήσιμα.
Από το 2012, η μέθοδος ανάλυσης εικόνας Deep Convolutional Neural Networks (CNN) έχει τεράστια επιτυχία στην αναγνώριση εικόνας, φθάνοντας μέχρι και την ανθρώπινη απόδοση. Τέτοιες μέθοδοι έχουν ξεπεράσει, σε μεγάλο βαθμό, τις παραδοσιακές προσεγγίσεις, οι οποίες είναι παρόμοιες με τις τρέχουσες χρησιμοποιούμενες λύσεις CAD. Οι μέθοδοι CNN έχουν τη δυνατότητα να φέρουν επανάσταση στην ιατρική ανάλυση εικόνας γιατί κάνουν τόσα λάθη όσο οι άνθρωποι, αλλά είναι πολύ ταχύτεροι και κυρίως ακούραστοι.
Η έρευνα γράφτηκε από τον βραβευθέντα Dezső Ribli , τον Καθηγητή Φυσικής István Csabai (και οι δύο από το Πανεπιστήμιο Hungarian Academy of Sciences (MTA), από τον Péter Pollner ερευνητή στο ELTE Statistical and Biological Physics Research Group και δύο ερευνητές από το Πανεπιστήμιο Semmelweis University (Budapest) τους Anna Horváth και Zsuzsa Unger.
Πηγή:DailyNewsHungary
