AI przewiduje raka trzustki z trzyletnim wyprzedzeniem
W skrócie
Badanie opublikowane w czasopiśmie Cell Metabolism wykazało, że dokładne przewidywanie raka trzustki przez stronę trzecią można przeprowadzić na 3 lata przed jego wystąpieniem.
Badacze Opracowaliśmy przełomowy model sztucznej inteligencji, który może dokładnie przewidywać ryzyko zachorowania na raka trzustki. Sztuczna inteligencja opracowana przez naukowców z Uniwersytetu Tokijskiego była w stanie dokładnie oznaczać pacjentów zagrożonych rozwojem raka trzustki w ciągu najbliższych trzech lat. Lekarze stosujący obecne metody diagnozowania raka trzustki niechętnie zalecają badania przesiewowe, mimo że jest to bardzo śmiertelny i trudny do wykrycia nowotwór.
Naukowcy odkryli, że modele AI mogą pomóc lekarzom w badaniach przesiewowych w kierunku raka trzustki. Ponieważ zawsze trudno było zrozumieć ryzyko związane z tą konkretną chorobą, narzędzie sztucznej inteligencji, które może skoncentrować się na osobach najbardziej zagrożonych rakiem trzustki, może usprawnić podejmowanie decyzji klinicznych. Amerykańskie Towarzystwo Onkologii Klinicznej szacuje, że 56 procent osób, u których zdiagnozowano raka trzustki, umiera z powodu choroby w ciągu pięciu lat od otrzymania diagnozy.
Raka trzustki trudno jest wcześnie wykryć i leczyć, dlatego wczesne badania przesiewowe mają kluczowe znaczenie. Wiele rodzajów raka, w tym te trudne do wczesnego wyleczenia, ma wpływ na pacjentów, rodziny i system opieki zdrowotnej. W tym badaniu wykazano, że 500 tomografii komputerowej osób, które miały guzki w płucach, czyli nieprawidłowy wzrost tkanki nowotworowej, pomogło zmienić trajektorię choroby. W rzeczywistości pojawienie się guzków w płucach może wskazywać na rozprzestrzenianie się raka trzustki do płuc. Korzystając z dokumentacji medycznej, naukowcy byli w stanie dokładnie zidentyfikować osoby, u których istnieje większe prawdopodobieństwo zdiagnozowania raka trzustki.
Model sztucznej inteligencji wykorzystano do przewidywania prawdopodobieństwa zachorowania na raka trzustki w Danii i Stanach Zjednoczonych. Model wykorzystał 6 milionów ludzi z Danii i 3 miliony Amerykanów jako punkty danych. Dokładność modelu mierzono, generując wynik pola pod krzywą (AUC). Wyniki modelu służą do określenia dokładności testu. Wynik 0 jest bezwartościowy, 0.5 jest tak dokładny jak rzut monetą, a 1.0 oznacza doskonały sprawdzian.
Model Harvarda uzyskał wynik 0.88 za oszacowanie ryzyka zachorowania na raka w ciągu najbliższych trzech lat i 0.9 za wykrywania ryzyko w ciągu najbliższych 12 miesięcy. Zbadano również, czy przewiduje dalszą interwencję u osób z guzkami w płucach, u których ryzyko zachorowania na raka jest średnie. Osiemnaście z 22 osób z guzkami w płucach, u których później zdiagnozowano raka trzustki, zostało ocenionych jako osoby z wysokim ryzykiem rozwoju choroby.
Lekarze niechętnie zalecają rezonans magnetyczny, tomografię komputerową lub ultrasonografię endoskopową, ponieważ są one drogie, niewygodne, wymagają dużych zasobów i niedokładne w wykrywaniu raka. Chociaż narzędzia te nie są dokładne we wszystkich przypadkach, wydaje się, że sztuczna inteligencja może pomóc lekarzom w jak najlepszym ich wykorzystaniu.
- Pracownicy służby zdrowia ostrożnie podchodzą do korzystania ze sztucznej inteligencji i ChatGPT dla Porada medyczna ponieważ ostatnie badanie wykazało, że sztuczna inteligencja generuje fałszywe informacje, gdy jest pytana o raka. Ważne jest, aby szukać dokładnych i godnych zaufania źródeł porad medycznych.
Przeczytaj więcej powiązanych artykułów:
- GPT-3: Czy naprawdę może przewidzieć przyszłość USA na następne 5 lat?
- Microsoft i Google w 2023 roku: główne starcie roku między tytanami sztucznej inteligencji
- The Sandbox uruchamia trzy nowe wirtualne dzielnice
Odpowiedzialność
Zgodnie z Zaufaj wytycznym projektu, należy pamiętać, że informacje zawarte na tej stronie nie mają na celu i nie powinny być interpretowane jako porady prawne, podatkowe, inwestycyjne, finansowe lub jakiekolwiek inne formy porad. Ważne jest, aby inwestować tylko tyle, na utratę czego możesz sobie pozwolić, a w przypadku jakichkolwiek wątpliwości zasięgnąć niezależnej porady finansowej. Aby uzyskać więcej informacji, sugerujemy zapoznać się z warunkami oraz stronami pomocy i wsparcia udostępnianymi przez wydawcę lub reklamodawcę. MetaversePost zobowiązuje się do sporządzania dokładnych i bezstronnych raportów, jednakże warunki rynkowe mogą ulec zmianie bez powiadomienia.
O autorze
Damir jest liderem zespołu, menedżerem produktu i redaktorem w Metaverse Post, obejmujący takie tematy, jak AI/ML, AGI, LLM, Metaverse i Web3-pokrewne pola. Jego artykuły przyciągają każdego miesiąca ogromną publiczność, liczącą ponad milion użytkowników. Wydaje się być ekspertem z 10-letnim doświadczeniem w SEO i marketingu cyfrowym. Damir został wspomniany w Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto i inne publikacje. Jako cyfrowy koczownik podróżuje między ZEA, Turcją, Rosją i WNP. Damir uzyskał tytuł licencjata z fizyki, co jego zdaniem dało mu umiejętności krytycznego myślenia potrzebne do odniesienia sukcesu w ciągle zmieniającym się środowisku internetowym.
Więcej artykułów
Damir jest liderem zespołu, menedżerem produktu i redaktorem w Metaverse Post, obejmujący takie tematy, jak AI/ML, AGI, LLM, Metaverse i Web3-pokrewne pola. Jego artykuły przyciągają każdego miesiąca ogromną publiczność, liczącą ponad milion użytkowników. Wydaje się być ekspertem z 10-letnim doświadczeniem w SEO i marketingu cyfrowym. Damir został wspomniany w Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto i inne publikacje. Jako cyfrowy koczownik podróżuje między ZEA, Turcją, Rosją i WNP. Damir uzyskał tytuł licencjata z fizyki, co jego zdaniem dało mu umiejętności krytycznego myślenia potrzebne do odniesienia sukcesu w ciągle zmieniającym się środowisku internetowym.
