AI-United » Allgemein » Das Neuronennetz von Google AI erkennt Metastasen mit einer Genauigkeit von 99%

Das Neuronennetz von Google AI erkennt Metastasen mit einer Genauigkeit von 99%

Das Neuronennetz von Google AI erkennt Metastasen

Google AI entwickeln die Algorithmen von Deep Learning zur Erkennung von Geschwülsten. Vor kurzer Zeit hat der Algorithmus LYNA, der vom Team 2017 zum ersten Mal präsentiert wurde, eine Genauigkeit von 99% bei der Erkennung von Metastasen bei Brustkrebs erreicht. In  Zukunft kann die Entwicklung genutzt werden, um die Diagnose zu beschleunigen und von den Pathologen zu verfeinern.

Ein Instrument zur Unterstützung der Pathologen

Der Algorithmus Inception-v3 liegt LYNA (Lymph Node Assistant) zugrunde. Dabei handelt es sich um ein open source Modell zur Erkennung von Bildern, das früher bereits zum Diagnostizieren vom Lungenkrebs, Melanom und der Retinopathie verwendet wurde. Das Modell wurde an zwei Datensätzen mit den Mustern von Brustkrebs getestet. In 99% der Fälle konnte der Algorithmus in beiden Datensätzen das Diapositiv mit dem metastasierenden Krebs vom Diapositiv ohne Krebs unterscheiden. Das Modell hat die Bereiche mit den Metastasen und andere zweifelhafte Bereiche auf jedem Diapositiv genau erkannt. Die meisten von ihnen sind zu klein, als dass sie manuell herausgefunden werden könnten. Zu anderen möglichen Anwendungen von LYNA gehört das Markieren von Problemzonen für die Pathologen. Das hilft bei der Analyse und der endgültigen Diagnosestellung.

Links: der Lymphknoten mit dem kleinen metastatischen Tumor der Milchdrüse. Rechts: dasselbe Diapositiv mit den Bereichen, die vom Algorithmus hervorgehoben wurden.

Das Modell kann auch eine komplizierte Aufgabe der Aufdeckung von kleinen Metastasen (Mikrometastasen) in den Lymphknoten lösen. Der Einsatz des Algorithmus hat geholfen, die Dauer des Betrachtens des Diapositivs um bis zu 1 Minute und die Anzahl von nicht gefundenen Mikrometastasen um die Hälfte zu senken.Die Entwickler planen die Erprobungen des Algorithmus unter Laborbedingungen zu beginnen, um den Einfluss auf die realen klinischen Prozesse und die Behandlungserfolge von Patienten einzuschätzen.

Quelle

AI-United-Redaktion

Kommentar hinzufügen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.