包括利兹大学医学科学家在内的一个团队已经开发出一种使用人工智能从患者数据中预测癌症而不会将个人信息置于危险之中的新方法。
人工智能 (AI) 可以分析大量数据，例如图像或试验结果，并且可以识别人类通常无法检测到的模式，这使其在加快疾病检测、诊断和治疗方面具有很高的价值。
然而，在医疗环境中使用该技术存在争议，因为存在意外数据泄露的风险，而且许多系统由私人公司拥有和控制，使他们能够访问机密的患者数据，并有责任保护这些数据。
研究人员着手探索一种称为群体学习的人工智能形式是否可用于帮助计算机预测患者组织样本医学图像中的癌症，而无需从医院发布数据。
群体学习训练人工智能算法来检测当地医院或大学的数据模式，例如人体组织图像中的基因变化。然后，群学习系统将这个新训练的算法(但重要的是没有本地数据或患者信息)发送到中央计算机。在那里，它以相同的方式与其他医院生成的算法相结合，以创建优化算法。然后将其发送回当地医院，在那里将其重新应用于原始数据，由于其更灵敏的检测能力，改进了对基因变化的检测。
通过多次执行此操作，可以改进算法并创建适用于所有数据集的算法。这意味着可以应用该技术，而无需将任何数据发布给第三方公司或在医院之间或跨越国际边界发送。
该团队根据来自北爱尔兰、德国和美国的三组患者的研究数据对 AI 算法进行了训练。这些算法在利兹大学生成的两组大型数据图像上进行了测试，发现已经成功地学会了如何预测图像中不同亚型癌症的存在。
该研究由利兹大学医学院客座副教授、亚琛大学医院研究员雅各布·尼古拉斯·凯瑟 (Jakob Nikolas Kather) 领导。该团队包括 Heike Grabsch 教授和 Phil Quirke 教授，以及利兹大学医学院的 Nick West 博士。
Kather 博士说：“根据来自 5,000 多名患者的数据，我们能够证明经过群体学习训练的 AI 模型可以直接从结肠肿瘤组织的图像中预测临床相关的遗传变化。”
标签：
免责声明：本文由用户上传，如有侵权请联系删除！