استفاده از هوش مصنوعی برای شناسایی ایمن سرطان از داده های بیمار -- ScienceDaily

هوش مصنوعی (AI) می تواند مقادیر زیادی از داده ها، مانند تصاویر یا نتایج آزمایش ها را تجزیه و تحلیل کند، و می تواند الگوهایی را که اغلب توسط انسان غیرقابل شناسایی هستند، شناسایی کند، که آن را در تسریع تشخیص، تشخیص و درمان بیماری بسیار ارزشمند می کند.

Swarm Learning الگوریتم های هوش مصنوعی را آموزش می دهد تا الگوهای موجود در داده ها را در یک بیمارستان یا دانشگاه محلی شناسایی کند، مانند تغییرات ژنتیکی در تصاویر بافت انسانی. سپس سیستم یادگیری ازدحام این الگوریتم تازه آموزش دیده را - اما مهمتر از همه بدون داده های محلی یا اطلاعات بیمار - به یک کامپیوتر مرکزی ارسال می کند. در آنجا، با الگوریتم های تولید شده توسط بیمارستان های دیگر به روشی یکسان برای ایجاد یک الگوریتم بهینه ترکیب می شود. سپس به بیمارستان محلی فرستاده می شود، جایی که دوباره روی داده های اصلی اعمال می شود و به لطف قابلیت های تشخیص حساس تر، تشخیص تغییرات ژنتیکی را بهبود می بخشد.

با این حال، استفاده از این فناوری در تنظیمات پزشکی به دلیل خطر انتشار تصادفی داده ها بحث برانگیز است و بسیاری از سیستم ها تحت مالکیت و کنترل شرکت های خصوصی هستند و به آنها امکان دسترسی به داده های محرمانه بیمار - و مسئولیت حفاظت از آنها را می دهد.

فیل کویرک، پروفسور آسیب شناسی در دانشکده پزشکی دانشگاه لیدز، می گوید: "ما نشان داده ایم که یادگیری ازدحام می تواند در پزشکی برای آموزش الگوریتم های هوش مصنوعی مستقل برای هر کار تجزیه و تحلیل تصویر استفاده شود. این بدان معنی است که می توان بر نیاز به انتقال داده ها بدون اینکه مؤسسات مجبور باشند کنترل ایمن داده های خود را رها کنند.

دکتر کاتر گفت: "بر اساس داده های بیش از 5000 بیمار، ما توانستیم نشان دهیم که مدل های هوش مصنوعی آموزش دیده با یادگیری ازدحامی می توانند تغییرات ژنتیکی مرتبط بالینی را مستقیماً از تصاویر بافت تومورهای روده بزرگ پیش بینی کنند."

مواد تهیه شده توسط دانشگاه لیدز. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.