Это и другие программные средства основаны на механическом обучении, форме искусственного интеллекта, в котором выполнение данной задачи улучшается с помощью обучения. Самые последние исследования по проверке показывают, что возможно они смогут победить опытных колоноскопистов.
Предыдущие исследования показали, что машины могут научиться распознавать полипы, но быстрая обработка была препятствием. Программное обеспечение, приближающееся к клиническим испытаниям, «работает со скоростью 98 кадров в секунду, что вполне отвечает требованиям колоноскопии по непрерывной обработке в реальном времени», — сообщил Примам В. Трипати, доктор медицинских наук, сотрудник отдела гастроэнтерологии в Калифорнийском университете, Ирвин (UCI).
Программное обеспечение оценивает видеоизображения, не требуя дополнительного прикрепления к эндоскопу. Вместо этого колоноскопия проводится обычно с помощью программного обеспечения, работающего на настольном компьютере. Когда программное обеспечение обнаруживает полип, оно генерирует цветную рамку, которая формирует изображение на экране, чтобы предупредить эндоскописта.
В исследовании валидации четыре опытных колоноскопа рассмотрели девять архивных колоноскопических видеороликов. Затем старший эксперт рассмотрел эти видеоролики, наложенные на обнаружение полипов машинного обучения, чтобы присвоить уникальность каждому полипу, обнаруженному одним из подходов. В архивных видео эндоскописты идентифицировали и удалили 28 полипов. При рассмотрении четырьмя экспертами было выявлено еще восемь поражений. Затем программное обеспечение для машинного обучения идентифицировало еще девять полипов, не пропуская ни одного полипа, найденного оригинальным колоноскопом или специалистами. Это увеличило общее количество обнаруженных полипов с 28 в архивных видео до 45 в целом после обзора экспертами и программным обеспечением.
Источник:
https://www.gastroendonews.com/In-the-News/Article/10-18/Machine-Learning-Will-Revolutionize-Polyp-Detection-In-Colonoscopy/52958
