Una nueva investigación sugiere que 97 del algoritmo de aprendizaje automático 100 de los científicos de Cambridge pudo identificarse adecuadamente en casos, si un individuo tiene o no una enfermedad silicada basada en biopsia.
La herramienta AI, que está capacitada en aproximadamente 3.400 biopsias de escaneo de cuatro hospitales del NHS, puede acelerar el diagnóstico de esta afección y puede mejorar los recursos de atención médica y mejorar el diagnóstico en los países en desarrollo, donde la escasez de patólogos es grave.
Las herramientas digitales que pueden acelerar las pruebas de diagnóstico o incluso analizar automáticamente están comenzando a mostrar una promesa real para reducir las demandas de los patólogos. Se ha centrado una gran cantidad de trabajo en la detección de cáncer, pero los investigadores están comenzando a considerar ocasiones para diagnosticar otros tipos de enfermedad.
Los científicos de la Universidad de Cambridge están siendo vistos desde una afección que es una enfermedad silicosa, una enfermedad automática que está activa usando gluten. Esto causa síntomas, como dolor abdominal, diarrea, irritación de la piel, pérdida de peso, fatiga y anemia. Dado que los síntomas son muy diferentes entre los individuos, los pacientes a menudo tienen dificultades para obtener el diagnóstico correcto.
El estándar de oro para el diagnóstico de enfermedad silicica es a través de la biopsia de la duodenal (parte del intestino delgado). El patólogo analizará la muestra bajo un microscopio o en la computadora para encontrar el daño en el valle, pequeñas estimaciones similares al cabello que se alinean en la línea dentro del intestino delgado.
La interpretación de la biopsia, que a menudo contiene cambios sutiles, puede ser sofisticada. Los patólogos usan un sistema de clasificación llamado Marsh Oberbber Scale, para decidir la gravedad de un caso, de cero a cero (el guardián es común y es poco probable que el paciente con la enfermedad) hasta cuatro (el guardia está completamente aplanado).
En la investigación de hoy New England Journal of Medicine AILos investigadores de Cambridge desarrollaron el algoritmo de aprendizaje automático para clasificar los datos de la imagen de la biopsia. El algoritmo fue ampliamente capacitado y probado, que contenía cinco escáneres diferentes de cuatro compañías diferentes, que consta de diversas diversas diversas diversas diversas diversas diversas.
La profesora Elizabeth Solax, autora principal del Departamento de Cambridge de Cambridge, Pathology y Churchill College, dijo: “La enfermedad silicosa afecta a una de las 100 personas y puede causar enfermedades graves, pero el diagnóstico no es sencillo. Es probable que sea más estresante, y es probable que sea más estresante.
El equipo hizo su experiencia de algoritmo antes de un conjunto de datos independiente de aproximadamente 650 650 imágenes de la fuente. Basado en el diagnóstico de los patólogos originales, los investigadores mostraron que el modelo era válido en más de 97 casos en su diagnóstico.
El modelo tenía más del 95 % de sensibilidad, lo que significa que ha identificado adecuadamente más de 95 casos de 100 personas que tienen una enfermedad silicosa. También tenía una característica de aproximadamente el 98 %, lo que significa que en aproximadamente 98 casos de cada 100 personas, se ha identificado correctamente quienes no tenían una enfermedad sílica.
La investigación previa del equipo ha demostrado que incluso los patólogos pueden no estar de acuerdo en el diagnóstico. Cuando se mostraron una serie de 100 diapositivas y se les pidió que diagnosticara si un paciente tenía una enfermedad silicosa, no tenía una enfermedad o el diagnóstico es incierto, el equipo demostró que había diferencias en más de uno de los cinco casos.
Esta vez, los investigadores pidieron a cuatro patólogos que revisen 30 diapositivas y descubrieron que un patólogo estuvo de acuerdo con el modelo de IA porque estaban con otros patólogos.
El Dr. Florian Jekyal y Hughes Hall, investigador del Departamento de Patología, también dijeron: “Esta es la primera vez que se ha demostrado que la IA se diagnostica adecuadamente como un patólogo experimentado, ya sea que un individuo tenga un silícico o no.
“Este es un paso importante para acelerar el diagnóstico y liberar el tiempo de los patólogos para centrarse en problemas más complicados o rápidos. Nuestro siguiente paso es examinar el algoritmo en una muestra clínica muy grande, que tenemos que compartir este dispositivo con un regulador, y tenemos que usarlo en una posición”.
Los investigadores están trabajando junto con grupos de pacientes, incluido Silic UK, para compartir su perspectiva y su tecnología de recepción con ellos.
“Cuando hablamos con los pacientes, generalmente son muy aceptables para el uso de IA para diagnosticar enfermedades silicicas”, agregó el Dr. Jail. “No hay duda de que las dificultades y retrasos para obtener el diagnóstico muestran parcialmente sus experiencias.
“Un problema que sale con pacientes y médicos es el problema de la ‘explicación’: poder comprender y explicar cómo la IA alcanza su diagnóstico. Como investigador y reguladores, es importante que los reguladores se aseguren de que queremos asegurarnos de que la IA tenga confianza.
El profesor Selox Cambridge University Hospitals es hematopatólogo de NHS Foundation Trust. En colaboración con el Dr. Jail, ha establecido una compañía spinout, Lizem Limited, para hacer que el algoritmo sea comercial.
Esta investigación fue proporcionada por el Centro Cambridge y los Institutos Nacionales de Investigación de Salud y Atención para Silic UK, Innovate UK, descubrimiento de datos.
La oficial de investigación de Silic UK, Kira Shefard, dijo: “Durante el proceso de diagnóstico, es importante que el paciente mantenga el gluten en su dieta para garantizar que el diagnóstico sea correcto. Pero esto puede causar síntomas dolorosos. Es por eso que es realmente importante obtener el diagnóstico correcto lo antes posible.
“Esta investigación muestra una forma potencial de acelerar una parte del viaje de diagnóstico. En Silic UK, estamos orgullosos de financiar las primeras etapas de este trabajo, lo que inicialmente solicita proporcionar un mejor diagnóstico entre la biopsia de la biopsia de control sano y los pacientes con enfermedades cilás.
