L'AI open source di Google diagnostica i tipi di cancro al polmone con estrema precisione!

In precedenza, i nostri articoli Open Science e AI hanno discusso approfonditamente il significato della scienza open source e dell'IA attraverso varie applicazioni, tra cui l'assistenza sanitaria e la medicina. Recentemente, ci sono stati promettenti nuovi progressi in questi campi!

I patologi del cancro ora possono avvalersi di un avanzato sistema di intelligenza artificiale open source che ora ha raggiunto un livello estremamente alto di accuratezza nella rilevazione di alcune forme di cancro ai polmoni!

Questa è la realizzazione di una delle tante visioni degli innovatori e dei ricercatori della New York University (NYU), descritta due anni fa in questo video in grande dettaglio:

Il loro sistema di intelligenza artificiale è chiamato DeepPATH, un framework Open Source che raccoglie i codici che sono stati utilizzati per studiare l'uso di un'architettura di deep learning (Google inception v3).

Il futuro della terapia assistita dall'IA sembra più promettente che mai, ora che i ricercatori della NYU hanno progettato il framework DeepPATH. Il loro algoritmo è stato progettato per addestrarlo a differenziare e identificare le immagini di polmoni che consistono in tessuti affetti sia da quelli normali che quelli da cancro.

Perché questa grande notizia?

La forma più comune di cancro in tutto il mondo è il cancro ai polmoni. Finora, nel 2018, sono stati segnalati 2, 09 milioni di casi di cancro ai polmoni, con 1, 76 milioni di morti legate al solo cancro del polmone. CHI dettagli in modo vivido.

Esistono quattro principali fattori di rischio di cancro:

  • Uso del tabacco
  • Uso di alcol,
  • Dieta malsana
  • Inattività fisica

Il documento Nature (preprint disponibile qui) intitolato "Classificazione e previsione delle mutazioni da immagini di istopatologia del carcinoma polmonare non a piccole cellule mediante deep learning", mette in evidenza l'efficacia del loro algoritmo nell'identificazione dei tipi di cancro al polmone con una precisione del 97%!

Perché il nuovo studio è utile per i patologi del cancro?

I ricercatori hanno raggiunto la nuova impresa insegnando il loro algoritmo di intelligenza artificiale per distinguere tra due specifici tipi di cancro del polmone, vale a dire l'adenocarcinoma (LUAD) e il carcinoma a cellule squamose (LUSC), che sono i sottotipi più diffusi del cancro polmonare.

In base all'immagine a sinistra (una fetta di tessuto canceroso del polmone), l'IA la classifica in tre categorie come vediamo a destra: LUAD è in rosso, LUSC in blu e Normale / tessuto polmonare sano è stato mostrato in grigio | Immagine Fonte Qui

Nella pratica medica convenzionale, l'ispezione visiva da parte di un patologo esperto è assolutamente essenziale per identificare distintamente un tipo di cancro al polmone dall'altra. Ora, l'intelligenza artificiale può svolgere lo stesso compito, poiché le prestazioni dei loro modelli di apprendimento profondi erano paragonabili a ciascuno dei tre patologi (due toracici e uno anatomico) a cui è stato chiesto di partecipare a questo studio e questo è il motivo per cui questa svolta è così significativa !

La v3 di Google è stata formata per riconoscere le aree tumorali sulla base delle selezioni manuali dei patologi. I ricercatori della New York University hanno addestrato una rete neurale convoluzionale profonda (Google inception v3) su immagini di diapositive intere ottenute da The Cancer Genome Atlas per classificarle in modo intelligente in LUAD, LUSC o tessuto polmonare normale.

Oltre a identificare il tessuto canceroso, il team lo ha anche addestrato per identificare le mutazioni genetiche all'interno del tessuto. Dei dieci geni più comunemente mutati in LUAD, sei di loro, vale a dire STK11, EGFR, FAT1, SETBP1, KRAS e TP53 erano previsti.

Non solo, ma il team di scienziati IA ha anche definito l'aspetto futuro dell'applicazione dello stesso algoritmo per estendere la classificazione ad altri tipi di tumori polmonari meno comuni come carcinoma a grandi cellule, carcinoma polmonare a piccole cellule e sottotipi istologici di LUAD e anche a caratteristiche non neoplastiche (neoplastiche relative a neoplasie) tra cui necrosi, fibrosi e altri cambiamenti reattivi nel microambiente tumorale.

Hanno anche menzionato l'insufficienza dei dati in questo momento per tali applicazioni. Ma in futuro, se alla fine si vedranno più casi simili, anche altri set di dati dovrebbero essere disponibili, in modo che l'algoritmo possa allenarsi con loro.

L'intero studio di apprendimento approfondito da parte del team è stato accelerato sfruttando la potenza di calcolo significativamente più elevata di unità di elaborazione grafica o GPU (rispetto alle unità di elaborazione centrale o alle CPU tradizionali). In particolare, hanno utilizzato una singola GPU Tesla K20m, con un tempo di elaborazione di circa 20 secondi. Ma hanno anche sottolineato che l'utilizzo di più GPU ridurrebbe il tempo a pochi secondi.

La nostra parte più preferita di questa notizia è ovviamente che l'intero codice di DeepPATH è Open Source e prontamente disponibile su GitHub. Ciò renderebbe davvero utile per accademici e ricercatori (sia individui che gruppi) che stanno lavorando in progetti di ricerca simili a cui piacerebbe anche applicare lo stesso sistema per analizzare e interpretare i propri set di dati con l'intelligenza artificiale. Questi set di dati possono essere di qualsiasi forma che potrebbero avvantaggiare la nostra società.

Abbiamo discusso i set di dati in un articolo precedente, in cui abbiamo descritto come le iniziative di Open Science della NASA possono essere utilizzate per chiedere i suggerimenti del set di dati attraverso l'invio sul loro Open Data Portal. Forse i set di dati disponibili potrebbero anche essere abbastanza pieni di risorse per l'AI open source di Google?

Non è questa una nuova pietra miliare per l'Applied Open Source AI? Ti piacerebbe vedere più di questi sviluppi nel futuro dell'AI applicata con un approccio Open Source? Fateci sapere i vostri pensieri nei commenti qui sotto.

Raccomandato

Come guardare le distribuzioni basate su Linux su Hulu On Arch
2019
Xenlism WildFire: Minimal Icon Theme per desktop Linux
2019
Midori: un browser Web open source leggero
2019