Вчені визначили оптимальну область мозку для лікування есенціального тремору
Стаття
Рак легенів - одне з найскладніших захворювань, тому рання діагностика має вирішальне значення для ефективного лікування. На щастя, досягнення в галузі штучного інтелекту (ШІ) трансформують скринінг раку легенів, підвищуючи як точність, так і ефективність. Хоча сучасні методи скринінгу, як-от низькодозова КТ, допомагають підтвердити підозри на рак легенів, вони часто страждають від високих показників хибнопозитивних результатів і варіабельності в повідомленні випадкових, але важливих результатів, наприклад, тих, що стосуються серцево-судинних захворювань. Крім того, рівень скринінгу для низькодозової КТ залишається низьким (<10%) через глобальну нестачу рентгенологів.
Нове дослідження, опубліковане в Nature Communications, представляє багатомодальну багатозадачну модель фундаменту, яка значно розширює можливості низькодозової КТ. Ця модель ШІ покращує прогнозування ризику раку легенів на 20% і серцево-судинного ризику на 10%. Розроблена і протестована міждисциплінарною групою з Політехнічного інституту Ренсселера (RPI), Університету Вейк Форест (WFU) і Массачусетської лікарні загального профілю (MGH), ця модель є першою у своєму роді, яка одночасно вирішує понад десяток пов'язаних завдань, включно з даними з кількох джерел, зокрема КТ-сканами, радіологічними звітами, факторами ризику пацієнтів і ключовими клінічними результатами.
Перший автор дослідження - Чуан Ню, доктор філософії, науковий співробітник RPI. Співавтори: Ге Ван, доктор філософії, професор кафедри Кларка-Кроссана і директор Центру біомедичної візуалізації RPI, Крістофер Т. Вітлоу, доктор медицини / доктор філософії, професор WFU, Маннудіп К. Калра, доктор медицини / доктор філософії, професор WFU. Калра, доктор медицини, професор MGH. Ключові співавтори в RPI: Пінгкун Ян, доктор філософії, і Крістофер Д. Каротерс, доктор філософії, а також інші важливі співавтори.
Потенційний клінічний вплив цієї роботи величезний. Інтегруючи зображення КТ з текстовою інформацією, модель значно покращує виявлення і прогнозування раку легенів, що є критичним фактором у поліпшенні результатів лікування пацієнтів. Крім того, однією з основних переваг використання базових моделей у медицині є те, що під час навчання за допомогою великомасштабних скринінгових КТ-сканувань та інших типів даних ці моделі можуть підвищити продуктивність моделі у пов'язаних нових завданнях. Наприклад, ця модель може поліпшити продуктивність у таких галузях, як онкологія, де дані, специфічні для конкретного завдання, часто обмежені.
«Ця робота була значно прискорена з використанням високопродуктивного обчислювального комплексу RPI», - сказав Ван. «Тепер наша багатоінституційна команда продовжує вдосконалювати нашу базову модель на зростаючому обсязі мультимодальних даних, використовуючи як наші власні графічні процесори, так і високопродуктивний обчислювальний комплекс Empire AI штату Нью-Йорк. Співпраця між провідними інститутами підкреслює зростаючу синергію між штучним інтелектом і медичними дослідженнями, яка може революціонізувати способи виявлення і лікування захворювань».
«Доктор Ван і його команда роблять важливі кроки на шляху до поліпшення здоров'я людини, об'єднуючи міць медичної візуалізації, ШІ та високопродуктивних обчислень. RPI завжди був на передньому краї обчислювальних наук та інженерії, надаючи викладачам і студентам доступ до найкращої у світі обчислювальної інфраструктури для прискорення розробки та трансляції перетворюючих ідей. Ми схвильовані тим, що ця робота означає для майбутнього раннього виявлення захворювань, і з нетерпінням чекаємо подальших досягнень».
Шекхар Гарде, доктор філософії, декан факультету інженерії RPI імені Томаса Р. Фаріно-молодшого 1967 року та Патрисії Е. Фаріно
