Ученые определили оптимальную область мозга для лечения эссенциального тремора
Статья
Рак легких — одно из самых сложных заболеваний, поэтому ранняя диагностика имеет решающее значение для эффективного лечения. К счастью, достижения в области искусственного интеллекта (ИИ) трансформируют скрининг рака легких, повышая как точность, так и эффективность. Хотя современные методы скрининга, такие как низкодозная КТ, помогают подтвердить подозрения на рак легких, они часто страдают от высоких показателей ложноположительных результатов и вариабельности в сообщении случайных, но важных результатов, например, касающихся сердечно-сосудистых заболеваний. Кроме того, уровень скрининга для низкодозной КТ остается низким (<10%) из-за глобальной нехватки рентгенологов.
Новое исследование, опубликованное в Nature Communications, представляет многомодальную многозадачную модель фундамента, которая значительно расширяет возможности низкодозной КТ. Эта модель ИИ улучшает прогнозирование риска рака легких на 20% и сердечно-сосудистого риска на 10%. Разработанная и протестированная междисциплинарной группой из Политехнического института Ренсселера (RPI), Университета Уэйк Форест (WFU) и Массачусетской больницы общего профиля (MGH), эта модель является первой в своем роде, которая одновременно решает более десятка связанных задач, включая данные из нескольких источников, включая КТ-сканы, радиологические отчеты, факторы риска пациентов и ключевые клинические результаты.
Первый автор исследования — Чуан Ню, доктор философии, научный сотрудник RPI. Соавторы: Ге Ван, доктор философии, профессор кафедры Кларка-Кроссана и директор Центра биомедицинской визуализации RPI, Кристофер Т. Уитлоу, доктор медицины/доктор философии, профессор WFU, Маннудип К. Калра, доктор медицины, профессор MGH. Ключевые соавторы в RPI: Пингкун Ян, доктор философии, и Кристофер Д. Каротерс, доктор философии, а также другие важные соавторы.
Потенциальное клиническое воздействие этой работы огромно. Интегрируя изображения КТ с текстовой информацией, модель значительно улучшает обнаружение и прогнозирование рака легких, что является критическим фактором в улучшении результатов лечения пациентов. Кроме того, одним из основных преимуществ использования базовых моделей в медицине является то, что при обучении с помощью крупномасштабных скрининговых КТ-сканирований и других типов данных эти модели могут повысить производительность модели в связанных новых задачах. Например, эта модель может улучшить производительность в таких областях, как онкология, где данные, специфичные для конкретной задачи, часто ограничены.
«Эта работа была значительно ускорена с использованием высокопроизводительного вычислительного комплекса RPI», — сказал Ван. «Теперь наша многоинституциональная команда продолжает совершенствовать нашу базовую модель на увеличивающемся объеме мультимодальных данных, используя как наши собственные графические процессоры, так и высокопроизводительный вычислительный комплекс Empire AI штата Нью-Йорк. Сотрудничество между ведущими институтами подчеркивает растущую синергию между искусственным интеллектом и медицинскими исследованиями, которая может революционизировать способы обнаружения и лечения заболеваний».
«Доктор Ван и его команда делают важные шаги на пути к улучшению здоровья человека, объединяя мощь медицинской визуализации, ИИ и высокопроизводительных вычислений. RPI всегда был на переднем крае вычислительных наук и инженерии, предоставляя преподавателям и студентам доступ к лучшей в мире вычислительной инфраструктуре для ускорения разработки и трансляции преобразующих идей. Мы взволнованы тем, что эта работа означает для будущего раннего выявления заболеваний, и с нетерпением ждем дальнейших достижений».
Шекхар Гарде, доктор философии, декан факультета инженерии RPI имени Томаса Р. Фарино-младшего 1967 года и Патрисии Э. Фарино
