PANDUAN Industri

AI dalam Onkologi

AI dalam onkologi menggunakan pembelajaran mesin untuk membantu mencari tumor pada imbasan dan slaid, menganggarkan risiko, merancang radioterapi dan menyusun maklumat untuk keputusan rawatan seperti semakan papan tumor.

Dengar panduan iniAI-diceritakan · ~3 min

Pada halaman ini3 min dibaca
  1. Gambaran keseluruhan
  2. Menyelam dalam
  3. Pelaksanaan Dunia Sebenar
  4. Masa Depan AI dalam Onkologi
  5. Mempraktikkannya
  6. Teruskan Meneroka
  7. Soalan lazim

Gambaran keseluruhan

Ini penting kerana penjagaan kanser melibatkan jumlah imej dan data yang besar, tetapi setakat ini bukti paling kukuh adalah untuk tugas pengesanan dan aliran kerja, bukan untuk AI memilih rawatan yang perlu diberikan oleh pesakit.

Menyelam dalam

Pakar onkologi bertemu AI di tiga tempat utama: pengesanan, perancangan rawatan dan sokongan keputusan. Pengesanan adalah yang paling matang. Dalam mamografi, percubaan rawak MASAI Sweden, yang pertama kali dilaporkan pada 2023, mendapati bahawa saringan yang disokong AI mengesan lebih banyak kanser daripada bacaan dua kali standard sambil mengurangkan beban kerja pembacaan skrin ahli radiologi sebanyak kira-kira 44 peratus. Dalam patologi, FDA membenarkan Paige Prostate pada 2021 sebagai produk AI pertama untuk membantu ahli patologi membaca biopsi prostat. Model penyelidikan juga boleh menganggarkan ciri seperti ketidakstabilan mikrosatelit secara langsung daripada slaid bernoda rutin, dan penyelidik MIT dan Massachusetts General Hospital membina Sybil, yang meramalkan risiko kanser paru-paru masa depan daripada imbasan CT dos rendah tunggal. Perancangan rawatan secara senyap-senyap meluas. Alat autokontur merangka garis besar tumor dan organ berdekatan untuk radioterapi, satu tugas yang boleh mengambil masa berjam-jam doktor menggunakan tangan. Pakar klinik masih menyemak dan mengedit setiap kontur. Pemilihan rawatan adalah di mana berhati-hati amat diperlukan. Watson for Oncology IBM dipasarkan untuk mencadangkan terapi tetapi menghadapi laporan cadangan yang tidak bersetuju dengan pakar dan beberapa yang tidak selamat, dan IBM kemudiannya menjual perniagaan Watson Healthnya. Pengajarannya ialah latihan mengenai set kecil kes hipotesis dan keutamaan satu institusi tidak menghasilkan nasihat umum yang boleh dipercayai. Papan tumor, di mana pakar bedah, pakar onkologi, ahli radiologi dan ahli patologi membincangkan kes bersama-sama, semakin menggunakan perisian yang mengumpulkan data dan menandakan padanan ujian klinikal atau laluan garis panduan. Model bahasa yang besar sedang diuji untuk meringkaskan rekod untuk mesyuarat ini, tetapi fakta halusinasi atau lapuk adalah risiko yang serius. Had utama bukti semasa ialah banyak kajian adalah retrospektif, mengukur ketepatan dan bukannya hasil pesakit, dan datang dari beberapa pusat yang mempunyai sumber yang baik. Mencari lebih banyak kanser kecil hanya berguna jika ia meningkatkan kelangsungan hidup dan bukannya meningkatkan diagnosis berlebihan.

Pelaksanaan Dunia Sebenar

Program pemeriksaan payudara menggunakan AI untuk menguji mamogram supaya peperiksaan yang mungkin normal memerlukan seorang ahli radiologi manakala peperiksaan berisiko tinggi mendapat dua pembaca, mengurangkan beban kerja membaca.

Pasukan radioterapi menggunakan perisian autokontur untuk melukis garis besar draf pertama organ yang berisiko pada imbasan CT, yang kemudiannya diperiksa dan diperbetulkan oleh pakar dosimetri dan onkologi.

Makmal patologi menggunakan sistem AI untuk menyerlahkan kawasan yang mencurigakan pada slaid biopsi prostat yang didigitalkan supaya pakar patologi menyemak kawasan tersebut dengan teliti.

Perisian papan tumor hospital mengumpulkan pengimejan, patologi, genomik dan sejarah rawatan ke dalam satu papan pemuka sebelum mesyuarat mingguan pelbagai disiplin.

Masa Depan AI dalam Onkologi

Pertumbuhan jangka terdekat berkemungkinan besar dalam saringan, patologi dan aliran kerja radioterapi, di mana tugas ditakrifkan dengan baik dan keputusan boleh disemak. Susulan yang lebih lama daripada ujian saringan akan menjelaskan sama ada pengesanan tambahan mengurangkan kanser selang dan kematian atau menambah diagnosis berlebihan. Model multimodal yang menggabungkan imej, genomik dan rekod adalah kawasan penyelidikan yang aktif, tetapi mereka memerlukan ujian prospektif sebelum membimbing pilihan rawatan. Papan tumor mungkin menggunakan ringkasan AI dan padanan percubaan dengan lebih kerap, dengan doktor mengesahkan sumber. Ekuiti adalah kebimbangan sebenar, kerana banyak model dibangunkan di pusat akademik besar yang pesakit dan peralatannya mungkin tidak sepadan dengan hospital komuniti.

Mempraktikkannya

Mengapa ia penting

  • Konteks dan peraturan. Konteks industri menentukan sama ada idea AI bertahan dalam hubungan dengan realiti.
  • Kawalan kualiti. Kekangan domain mempengaruhi kadar ralat dan model pengawasan yang boleh diterima.
  • Pilihan binaan. Penerapan yang berjaya menyelaraskan keupayaan teknikal dengan aliran kerja barisan hadapan.

Berhati-hati untuk

  • Keperluan kawal selia boleh membatalkan prototaip yang kukuh.
  • Data sejarah mungkin mengekod berat sebelah yang membahayakan komuniti tertentu.
  • Sistem warisan boleh mewujudkan kesesakan penyepaduan dan kos tersembunyi.

Langkah seterusnya

  1. Libatkan pakar domain daripada pembingkaian masalah hingga penilaian.
  2. Reka bentuk jejak audit dan dokumentasi sebelum pelancaran.
  3. Sahkan pematuhan dan kewajipan keselamatan lebih awal.
  4. Melancarkan secara berfasa dengan kriteria hentian dan undur yang jelas.

Teruskan Meneroka

Newsletter percuma

Dapatkan taklimat AI harian

Tiga cerita AI yang disahkan setiap pagi hari bekerja, ditulis dalam Bahasa Inggeris biasa. Percuma selamanya, tiada iklan.

Satu e-mel setiap hari bekerja. Berhenti melanggan dalam satu klik. Kami tidak pernah menjual atau berkongsi alamat anda.

Uji diri anda

Take the AI in Oncology quiz

Maklum balas segera pada setiap jawapan, dan sijil yang boleh dikongsi dengan ID yang boleh disahkan sebaik sahaja anda lulus kursus.

Mulakan kuiz

Sokong pendidikan AI percuma. AI Understanding ialah pertubuhan bukan keuntungan 501(c)(3) — tiada iklan, tiada bayaran dinding, selamanya. Buat derma

Soalan lazim

Apakah AI dalam Onkologi?

AI dalam onkologi menggunakan pembelajaran mesin untuk membantu mencari tumor pada imbasan dan slaid, menganggarkan risiko, merancang radioterapi dan menyusun maklumat untuk keputusan rawatan seperti semakan papan tumor. Ini penting kerana penjagaan kanser melibatkan jumlah imej dan data yang besar, tetapi setakat ini bukti paling kukuh adalah untuk tugas pengesanan dan aliran kerja, bukan untuk AI memilih rawatan yang perlu diberikan oleh pesakit.

Apakah laporan percubaan MASAI Sweden tentang pemeriksaan mamografi yang disokong AI?

MASAI, percubaan rawak yang pertama kali dilaporkan pada 2023, mendapati pengesanan yang lebih tinggi dan penurunan besar dalam beban kerja bacaan ahli radiologi berbanding dengan bacaan dua kali standard.

Apakah pengajaran utama daripada Watson for Oncology IBM?

Laporan cadangan yang tidak bersetuju dengan pakar, sesetengahnya tidak selamat, menunjukkan had pendekatan latihannya. IBM kemudiannya menjual perniagaan Watson Health.

Produk manakah yang diberi kuasa oleh FDA pada 2021 sebagai AI pertama untuk membantu ahli patologi dengan biopsi prostat?

Paige Prostate menyerlahkan kawasan yang mencurigakan pada slaid biopsi prostat yang didigitalkan untuk semakan ahli patologi.

Apakah yang Sybil, dari MIT dan Hospital Besar Massachusetts, meramalkan?

Sybil menganggarkan risiko kanser paru-paru masa depan seseorang menggunakan satu CT dada dos rendah.

Bagaimanakah kebanyakan sistem AI mengendalikan imej patologi slaid keseluruhan gigapiksel?

Slaid terlalu besar untuk diproses sekali gus, jadi tampalan dikodkan dan digabungkan, selalunya dengan perhatian yang menghasilkan peta haba bagi kawasan yang berpengaruh.