Wykrywanie nowotworów w czasie rzeczywistym z wykorzystaniem uczenia maszynowego Google.

Uczenie maszynowe potencjalnie może przyczynić się do rozwoju technologicznego w niezliczonych dziedzinach, a dział Alphabet X już bada jego zastosowanie w rolnictwie i produkcji żywności. Zespół Google wykorzystuje je teraz do badań nad rakiem i jego wykrywania za pomocą prototypowego mikroskopu.
Na dorocznym spotkaniu Amerykańskiego Stowarzyszenia Badań nad Rakiem (AACR) w Chicago, Google zaprezentowało prototypową platformę z mikroskopem rozszerzonej rzeczywistości (ARM), która może przyspieszyć i zdemokratyzować wdrożenie narzędzi głębokiego uczenia dla patologów z całego świata. ARM może być doposażony w istniejące mikroskopy optyczne na całym świecie, wykorzystując tanie, łatwo dostępne komponenty i bez konieczności posiadania pełnych cyfrowych wersji szkiełek analizowanych tkanek. Badacze byli w stanie zmodernizować istniejące mikroskopy optyczne, już znajdujące się w szpitalach i klinikach, za pomocą taniego, łatwo dostępnego komponentu.

Połączenie Tensorflow i medycyny

Platforma stworzona przez Google składa się ze zmodyfikowanego mikroskopu optycznego, który umożliwia analizę obrazu w czasie rzeczywistym i prezentację wyników algorytmów ML bezpośrednio w polu widzenia.

Jak we wszystkich badaniach z zakresu głębokiego uczenia, sieć neuronowa została przeszkolona do wykrywania komórek rakowych poprzez analizę obrazów ludzkich tkanek. Szkiełko z ludzką tkanką jest następnie umieszczane pod obiektywem zmodyfikowanego mikroskopu. Obraz widziany w mikroskopie jest przesyłany do komputera, a model głębokiego uczenia działa poprzez wykrywanie raka w tkance.
Korzystając z procesora graficznego NVIDIA TITAN Xp i akceleracji cuNN platformy TensorFlow do nauki głębokiego uczenia, naukowcy przeszkolili swój model na setkach obrazów uzyskanych z zestawu danych wyzwalającego przerzuty raka do węzłów chłonnych.

ML, który wykrywa chorobę

W tej chwili system jest przeszkolony w wykrywaniu raka piersi i prostaty, ale jest zdolny do przeprowadzania wielu typów algorytmów uczenia maszynowego mających na celu rozwiązywanie różnych problemów, takich jak wykrywanie obiektów, kwantyfikacja lub klasyfikacja. System może być używany w połączeniu z istniejącymi przepływami pracy w patologii cyfrowej, podczas gdy może być rozszerzony na inne branże, takie jak opieka zdrowotna, badania w dziedzinie nauk przyrodniczych i inżynierii materiałowej. Wstępne wyniki pokazały wiele obietnic. Test na tym pierwszym wykazał AUC (pole pod krzywą) jako 0,98, a dla AUC 0,96.

Google wierzy, że „ARM może potencjalnie mieć duży wpływ na zdrowie na całym świecie, szczególnie w diagnozowaniu chorób zakaźnych, w tym gruźlicy i malarii, w krajach rozwijających się”. Jak widać, uczenie maszynowe będzie również przyszłością diagnostyki medycznej, jak i całej medycyny.