Cancerul de sân este cel mai frecvent cancer cu cea mai mare rată a mortalității. Detectarea și diagnosticarea rapidă diminuează impactul bolii. Cu toate acestea, clasificarea cancerului de sân folosind imagini histopatologice – țesuturi și celule examinate la microscop – este o sarcină dificilă din cauza protejării datelor și a indisponibilității datelor adnotate în cantități mari. Detectarea automată a cancerului de sân folosind rețeaua neuronală convoluțională, o tehnică de învățare automată, s-a dovedit promițătoare, însă este asociată cu un risc ridicat de fals pozitiv și fals negativ.

Fără nicio măsură de încredere, astfel de predicții false ale rețelei neuronale convoluționale ar putea duce la rezultate catastrofale.

Un nou model de învățare automată dezvoltat de cercetătorii de la Universitatea Tehnologică din Michigan poate evalua incertitudinea acestor predicții clasificând tumorile benigne și pe cele maligne.

În lucrarea publicată recent, absolvenții de inginerie mecanică Ponkrshnan Thiagarajan, Pushkar Kharinar și profesorul asistent Susanta Ghosh, conturează noul model probabilistic de învățare automată, care depășește modelele similare.

Orice algoritm de învățare automată care a fost dezvoltat până acum va avea o anumită incertitudine în predicția sa. Există puține modalități de a cuantifica aceste incertitudini. Chiar dacă un algoritm ne spune că o persoană are cancer, nu știm nivelul de sigurață oferit de această predicție.”

Ponkrshnan Thiagarajan

Modelul nou este o extensie a rețelei neuronale bayesiene, un model de învățare automată care poate evalua o imagine și poate genera o ieșire. Parametrii acestui model sunt tratați ca variabile aleatorii care facilitează cuantificarea incertitudinii. Modelul Michigan Tech diferențiază clasele negative și clasele pozitive prin analiza imaginilor, care la nivel de bază sunt colecții de pixeli. Pe lângă această clasificare, modelul poate măsura incertitudinea în predicțiile sale.

Într-un laborator medical, un astfel de model poate economisi timp prin clasificarea imaginilor mai rapid decât o tehnologie de laborator. Și pentru că modelul își poate evalua propriul nivel de certitudine, acesta poate să trimită imaginile unui expert atunci când este mai puțin încrezător.

Acum că studiul lor a fost publicat, cercetătorii vor să extindă modelul de clasificare a cancerului de sân. Scopul cercetătorilor este să identifice subtipurile de cancer, pe lângă clasificarea țesuturilor benigne și maligne. Iar modelul, deși este dezvoltat să folosească imagini histopatologice ale cancerului de sân, poate fi extins și pentru alte diagnostice medicale.

 

 

Sursă material www.news-medical.net | Sură imagine Michigan Technological University