AI förutspår bukspottkörtelcancer tre år i förväg
I korthet
En studie publicerad i tidskriften Cell Metabolism fann att korrekt tredje parts förutsägelse av bukspottkörtelcancer kan göras 3 år innan den inträffar.
Forskare har utvecklat en banbrytande AI-modell som exakt kan förutsäga människors risk att utveckla bukspottkörtelcancer. En AI utvecklad av forskare från Tokyos universitet kunde noggrant flagga patienter som riskerade att utveckla bukspottkörtelcancer inom de kommande tre åren. Läkare som använder nuvarande metoder för att diagnostisera cancer i bukspottkörteln är tveksamma till att rekommendera screeningar trots att det är en mycket dödlig och svårupptäckt cancer.
Forskare fann att AI-modeller kan hjälpa läkare att screena för cancer i bukspottkörteln. Eftersom det alltid har varit svårt att förstå risken för just denna sjukdom, kan ett AI-verktyg som kan nollställa de som löper störst risk för cancer i bukspottkörteln förbättra det kliniska beslutsfattandet. American Society of Clinical Oncology uppskattar att 56 procent av personer som diagnostiserats med cancer i bukspottkörteln dör av sjukdomen inom fem år efter att de fått diagnosen.
Bukspottkörtelcancer är svår att hitta och behandla tidigt, så tidig screening är avgörande. Många typer av cancer, inklusive de som är svåra att behandla tidigt, påverkar patienter, familjer och sjukvårdssystemet. I den här studien visades i denna studie 500 CT-bilder av personer som har haft lungknölar, det vill säga onormal tillväxt av cancervävnad, hjälpa till att förändra sjukdomens bana. Faktum är att uppkomsten av lungknölar kan peka på spridningen av cancer i bukspottkörteln till lungorna. Med hjälp av medicinska journaler kunde forskare exakt identifiera personer som är mer benägna att få diagnosen pankreascancer.
AI-modellen användes för att förutsäga sannolikheten för människor att drabbas av cancer i bukspottkörteln i Danmark och USA. Modellen använde 6 miljoner människor från Danmark och 3 miljoner amerikaner som datapunkter. Modellens noggrannhet mättes genom att generera ett område under kurvan, eller AUC, poäng. Modellpoäng används för att avgöra hur exakt ett test är. En poäng på 0 är värdelös, 0.5 är lika exakt som att vända ett mynt och 1.0 indikerar en perfekt test.
Harvard-modellen fick ett betyg på 0.88 för att uppskatta cancerrisken under de kommande tre åren och 0.9 för detektering risk under de kommande 12 månaderna. Det testades också för att se om det skulle förutsäga ytterligare ingrepp för personer med lungknölar som skulle anses vara en medelrisk att utveckla cancer. Arton av de 22 personer med lungknölar som senare fick diagnosen pankreascancer hade bedömts ha hög risk att utveckla sjukdomen.
Läkare är tveksamma till att rekommendera MRT, CT eller endoskopiska ultraljud eftersom de är dyra, obekväma, resurskrävande och felaktiga när det gäller att hitta cancer. Även om dessa verktyg inte är korrekta i alla fall, verkar det som om AI kan hjälpa läkare att dra största möjliga nytta av dem.
- Vårdpersonal är försiktiga med att använda AI och ChatGPT för medicinsk rådgivning som en nyligen genomförd studie har avslöjat att AI genererar falsk information när man frågar om cancer. Det är viktigt att söka korrekta och pålitliga källor för medicinsk rådgivning.
Läs fler relaterade artiklar:
- GPT-3: Kan det verkligen förutsäga framtiden för USA för de kommande 5 åren?
- Microsoft och Google 2023: Årets primära uppgörelse mellan AI-titaner
- The Sandbox lanserar tre nya virtuella stadsdelar
Villkor
I linje med den Riktlinjer för Trust Project, vänligen notera att informationen på den här sidan inte är avsedd att vara och inte ska tolkas som juridisk, skattemässig, investerings-, finansiell eller någon annan form av rådgivning. Det är viktigt att bara investera det du har råd att förlora och att söka oberoende finansiell rådgivning om du har några tvivel. För ytterligare information föreslår vi att du hänvisar till villkoren samt hjälp- och supportsidorna som tillhandahålls av utfärdaren eller annonsören. MetaversePost är engagerad i korrekt, opartisk rapportering, men marknadsförhållandena kan ändras utan föregående meddelande.
Om författaren
Damir är teamledare, produktchef och redaktör på Metaverse Post, som täcker ämnen som AI/ML, AGI, LLMs, Metaverse och Web3-relaterade områden. Hans artiklar lockar en massiv publik på över en miljon användare varje månad. Han verkar vara en expert med 10 års erfarenhet av SEO och digital marknadsföring. Damir har nämnts i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto och andra publikationer. Han reser mellan Förenade Arabemiraten, Turkiet, Ryssland och OSS som en digital nomad. Damir tog en kandidatexamen i fysik, som han tror har gett honom de kritiska tänkande färdigheter som behövs för att bli framgångsrik i det ständigt föränderliga landskapet på internet.
fler artiklar
Damir är teamledare, produktchef och redaktör på Metaverse Post, som täcker ämnen som AI/ML, AGI, LLMs, Metaverse och Web3-relaterade områden. Hans artiklar lockar en massiv publik på över en miljon användare varje månad. Han verkar vara en expert med 10 års erfarenhet av SEO och digital marknadsföring. Damir har nämnts i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto och andra publikationer. Han reser mellan Förenade Arabemiraten, Turkiet, Ryssland och OSS som en digital nomad. Damir tog en kandidatexamen i fysik, som han tror har gett honom de kritiska tänkande färdigheter som behövs för att bli framgångsrik i det ständigt föränderliga landskapet på internet.
