Vašingtono valstijos universitete sukurtas gilaus mokymosi dirbtinio intelekto modelis gali nustatyti patologiją arba ligos požymius gyvūnų ir žmogaus audinių vaizduose daug greičiau ir dažnai tiksliau nei žmonės.
Plėtra, išsamiai aprašyta Mokslinės ataskaitosgalėtų žymiai pagreitinti su ligomis susijusių tyrimų tempą. Jis taip pat turi galimybę pagerinti medicininę diagnozę, pavyzdžiui, vėžį aptikti iš biopsijos vaizdo per kelias minutes, o procesas, kuris paprastai žmogaus patologui trunka kelias valandas.
„Ši dirbtiniu intelektu pagrįsta gilaus mokymosi programa labai tiksliai žvelgė į šiuos audinius,” sakė Michaelas Skinneris, WSU biologas ir bendradarbis šiame dokumente. „Tai galėtų pakeisti tokio tipo vaistus tiek gyvūnams, tiek žmonėms, iš esmės geriau palengvinant tokio pobūdžio analizę.”
Norėdami sukurti AI modelį, kompiuterių mokslininkai Colinas Greeley, buvęs WSU magistrantūros studentas, ir jo patarėjas profesorius Lawrence'as Holderis apmokė jį naudodami vaizdus iš ankstesnių epigenetinių tyrimų, kuriuos atliko Skinnerio laboratorija. Šie tyrimai apėmė molekulinio lygio žiurkių ir pelių inkstų, sėklidžių, kiaušidžių ir prostatos audinių ligos požymius.
Tada tyrėjai išbandė AI su vaizdais iš kitų tyrimų, įskaitant tyrimus, nustatančius krūties vėžį ir limfmazgių metastazes.
Tyrėjai nustatė, kad naujasis AI giluminio mokymosi modelis ne tik greitai atpažino patologijas, bet ir padarė tai greičiau nei ankstesni modeliai, o kai kuriais atvejais aptiko atvejų, kurių apmokyta žmonių komanda praleido.
„Manau, kad dabar turime greitesnį ir tikslesnį nei žmonės būdą nustatyti ligas ir audinius,” sakė Holderis, tyrimo bendraautorius.
Tradiciškai tokio tipo analizei atlikti reikėjo kruopštaus specialiai apmokytų žmonių komandų, kurios tiria ir komentuoja audinių skaidres naudodami mikroskopą, dažnai tikrindamos vienas kito darbą, kad sumažintų žmogiškąsias klaidas.
Skinnerio epigenetikos tyrime, kuriame tiriami molekulinių procesų pokyčiai, kurie turi įtakos genų elgsenai nekeičiant pačios DNR, ši analizė gali užtrukti metus ar net daugiau didelių tyrimų. Dabar naudodami naują AI gilaus mokymosi modelį, jie gali gauti tuos pačius duomenis per kelias savaites, sakė Skinneris.
Gilus mokymasis yra AI metodas, kuriuo bandoma imituoti žmogaus smegenis, o šis metodas peržengia tradicinį mašininį mokymąsi, sakė Holderis. Vietoj to, gilaus mokymosi modelis yra sudarytas iš neuronų ir sinapsių tinklo. Jei modelis padaro klaidą, tai „mokosi” iš jo, naudodamas procesą, vadinamą atgaliniu platinimu, atlikdamas daugybę pakeitimų visame tinkle, kad ištaisytų klaidą, kad ji jos nebekartotų.
Mokslininkų komanda sukūrė WSU giluminio mokymosi modelį, kad būtų galima apdoroti itin didelės raiškos gigapikselių vaizdus, o tai reiškia, kad juose yra milijardai pikselių. Siekdami susidoroti su dideliais šių vaizdų failų dydžiais, kurie gali sulėtinti net geriausio kompiuterio darbą, tyrėjai sukūrė AI modelį, kad būtų galima žiūrėti į mažesnes, atskiras plyteles, bet vis tiek jas sudėti į didesnes dalis, tačiau mažesnės skyros. kuris veikia tarsi priartinimas ir tolinimas mikroskopu.
Šis gilaus mokymosi modelis jau pritraukia kitus mokslininkus, o Holderio komanda šiuo metu bendradarbiauja su WSU veterinarinės medicinos tyrėjais diagnozuodama ligas elnių ir briedžių audinių mėginiuose.
Autoriai taip pat atkreipia dėmesį į modelio potencialą pagerinti žmonių tyrimus ir diagnozę, ypač vėžio ir kitų su genais susijusių ligų atveju. Tol, kol yra duomenų, pavyzdžiui, anotuotų vaizdų, identifikuojančių audinių vėžį, mokslininkai galėtų išmokyti dirbtinio intelekto modelį atlikti šį darbą, sakė Holderis.
„Mūsų sukurtas tinklas yra moderniausias,” Holderis pasakė. „Palyginome su keliomis kitomis sistemomis ir kitais šio dokumento duomenų rinkiniais, ir jis juos visus įveikė.”