Un sistema d'intel·ligència artificial detecta el càncer de pulmó millor que els radiòlegs

Científics estatunidencs han desenvolupat un algoritme capaç de detectar nòduls pulmonars malignes.

Científics estatunidencs han desenvolupat un sistema d'intel·ligència artificial capaç de detectar càncer de pulmó
Científics estatunidencs han desenvolupat un sistema d'intel·ligència artificial capaç de detectar càncer de pulmó

Científics de Google i de la Universitat estatunidenca de Northwestern han desenvolupat un sistema d'intel·ligència artificial capaç de detectar càncer de pulmó millor que els radiòlegs. Aquesta ferramenta podria afavorir el diagnòstic primerenc d'un tumor que a l'any mata més d'un milió de persones en el món.

El deep learning o aprenentatge profund és una branca de la intel·ligència artificial per la qual la màquina aprén a partir d'exemples i elabora per si sol patrons cada vegada més complexos, simulant el funcionament del cervell.

Basant-se en això, l'equip investigador ha desenvolupat un algorisme capaç de detectar nòduls pulmonars malignes, a vegades minúsculs, a partir de resultats d'un TAC -tomografia axial computada- del tòrax, amb una obstinació i precisió igual o millor que el dels radiòlegs.

Una precisió del 94% en 6.716 casos de prova

Per a això, "van entrenar" el sistema amb 42.290 imatges de tomografia computada i van trobar que era capaç de detectar els mòduls amb una precisió del 94% en 6.716 casos de prova.

Mozziyar Etemadi, professor de Medicina i d'Enginyeria en Northwestern i un dels autors de l'article que arreplega la investigació, explica que aquest nou sistema permet analitzar instantànies en 3D. "És capaç d'identificar tant una regió d'interés com si la regió té una alta probabilitat de càncer de pulmó", indica Etemadi

La seua descripció es publica en l'últim número de la revista Nature Medicine i demostra "la precisió" del nou sistema d'aprenentatge profund per a predir aquest tipus de càncer. No obstant això, els autors adverteixen que aquestes troballes han de validar-se clínicament encara en grans poblacions de pacients.

També et pot interessar