Xəstənin toxuma nümunələrini araşdıran patoloqun verdiyi hökm bir çox xəstəliklərin müalicəsində son dərəcə əhəmiyyətlidir. Xüsusilə, onkoloji xəstəliklərdən danışırıqsa, bütün müalicə planı patoloqun diaqnozu əsasında qurulur. Həkimlər illərlə məşq edir, bacarıqlarını artırır və təcrübə toplayırlar.
Daimi təlimlə belə, eyni xəstəyə müxtəlif patoloqlar tərəfindən qoyulan diaqnozlar əhəmiyyətli dərəcədə fərqlənə bilər ki, bu da nəticədə yanlış terapiyaya səbəb ola bilər. Döş və prostat xərçənginin bəzi formaları olan xəstələrin şəkillərini araşdırarkən rəylər yalnız 48% üst-üstə düşə bilər. Bu təəccüblü deyil – şəkillərdə olan məlumatların miqdarı çox böyükdür. Patoloqlar istisnasız olaraq təsvirdəki bütün toxumaları yoxlamalıdır və bir xəstədə bir neçə belə təsvir ola bilər. Şəkilləri 40x böyütmə ilə rəqəmsallaşdırsanız, onlar 10 Gpix “çəki” alacaqlar və həkim hər piksel üçün cavabdehdir. Vaxt məhdud ola bilər.
Yaponiyada xərçəng xəstəsi olan qadın həyatını süni intellektə borcludur. Tokio Universitetinin Tibb Elmləri İnstitutunun həkimləri xəstənin diaqnozunu dəqiqləşdirmək üçün Uotsondan istifadə etdilər və kompüter öz işini gördü. Daha ətraflı:
Fərqli fikirlərin və vaxt məhdudiyyətlərinin öhdəsindən gəlmək üçün Google tədqiqatçıları patoloqun işində dərin öyrənmə alqoritmlərinin necə tətbiq olunacağını araşdırır, “manual” tədqiqatı xəstə hüceyrələri avtomatik tanıyan proqram təminatı ilə tamamlayır. Proqramı hazırlamaq üçün tədqiqatçılar Radboud Universiteti Tibb Mərkəzinin təqdim etdiyi şəkillərdən istifadə ediblər. Proqramçılar şəkillərdə limfa düyünlərində metastaz olan döş xərçəngi hüceyrələrini tapmaq üçün süni intellektə öyrədiblər.
Onlar tapdılar ki, hətta Inception (aka GoogLeNet) kimi standart alqoritmlər xəstə hüceyrələri sağlam olanlardan effektiv şəkildə fərqləndirə bilirdi, baxmayaraq ki, əldə edilən istilik xəritələrində (toxumanın hansı hissəsinin təsirlənmə ehtimalını göstərən şəkillər) həddən artıq səs-küy var idi. Bununla belə, müxtəlif böyütmələrdə şəkilləri skan etmək üçün təlim şəbəkələrini də əhatə edən modifikasiyalardan sonra riyazi modelin dəqiqliyi biomaterialı öyrənərkən vaxt baxımından məhdud olmayan bir patoloqun dəqiqliyi ilə müqayisə edilə bilər və ya ondan daha yüksək idi.
Əslində, alqoritmdə dəyişiklik edildikdən sonra onun köməyi ilə hazırlanan istilik xəritələri o qədər təkmilləşdi ki, onların dəqiqliyi 89%-ə çatdı. Mütəxəssislər öz nəticələrini vaxtı məhdud olmayan (əslində o, 130 təsviri araşdıraraq 30 saatdan sonra işi bitirib) patoloqun işi ilə müqayisə edib və süni intellektin insandan (73%) 16% daha effektiv olduğunu aşkar ediblər. Model başqa xəstəxana tərəfindən təqdim edilən başqa bir görüntü dəsti ilə də yaxşı çıxış etdi.
Perspektivli nəticələrə baxmayaraq, alqoritmin müəllifləri vurğuladılar ki, model yalnız müəyyən patologiyaları axtarmaq üçün proqramlaşdırıldığı üçün istənilən halda insandan aşağıdır, eyni zamanda insan digər xəstəliklərin əlamətlərinə – otoimmün xəstəliklərə, iltihablı proseslərə, xərçəngin digər növlərinə də diqqət yetirəcəkdir. Hesablama sisteminin özünün də çatışmazlıqları var: bir patoloqun sağlam hüceyrələri xəstə olanlarla səhv saldığı zaman yanlış müsbət nəticələrin sayı məşq zamanı alqoritmin həssaslığını artırır. Mütəxəssislərin fikrincə, optimal variant hər iki yanaşmanı birləşdirmək, yəni insan mütəxəssisinin işini dərin öyrənmə alqoritmi proqramı ilə tamamlamaqdır.
Xəstənin bioloji toxuma nümunələrini nəzərdən keçirdikdən sonra patoloqun hesabatı çox vaxt bir çox xəstəliyin diaqnozunda qızıl standartdır. Xüsusilə xərçəng üçün bir patoloqun diaqnozu xəstənin terapiyasına böyük təsir göstərir. Patoloji slaydların nəzərdən keçirilməsi çox mürəkkəb bir işdir, yaxşı iş görmək üçün təcrübə və təcrübə qazanmaq üçün illərlə təlim tələb olunur.
Google Bloq
