จากข้อมูลของหน่วยงาน American Cancer Society มีประชากรมากกว่า 229,000 คนที่จะถูกวินิจฉัยว่าเป็นโรคมะเร็งปอดในสหรัฐอเมริกาในปีนี้ และมะเร็งชนิดต่อม (adenocarcinoma) นั้นเป็นประเภทที่มักจะพบเจอมากที่สุด ด้วยเหตุนี้ เพื่อที่จะช่วยวินิจฉัยได้เร็วขึ้น นักวิจัยจากศูนย์โรคมะเร็ง Norris Cotton Cancer Center และห้องปฏิบัติการ Hassanpour ในมหาวิทยาลัยดาร์ตมัธ (Dartmouth University) จึงได้ร่วมกันพัฒนาระบบ deep learning ที่สามารถคัดแยก histologic subtype บนภาพตัดของมะเร็งปอดชนิดต่อมได้อัตโนมัติด้วยความมั่นใจในระดับนักพยาธิวิทยา
“การคัดแยกรูปแบบของ histologic ของมะเร็งปอดชนิดต่อมนั้นเป็นเรื่องเร่งด่วนในการวินิจฉัยระดับของก้อนเนื้อและการรักษาสำหรับผู้ป่วย” นักวิจัยกล่าวในงานตีพิมพ์ “โมเดลของพวกเรามีศักยภาพที่สามารถจะใช้งานเพื่อช่วยนักพยาธิวิทยาในการคัดแยกรูปแบบ histologic เหล่านี้ และยังสามารถให้ความแม่นยำได้มากกว่าเดิมในการคัดแยกมะเร็งปอดชนิดต่อม” ทีมงานกล่าว
โดยทีมงานวิจัยได้เทรนโครงข่าย Convolutional Neural Network บนเฟรมเวิร์ก PyTorch กับข้อมูลหลายร้อยภาพจากผู้ป่วยที่มีการวินิจฉัยว่าเป็นโรคมะเร็งปอดชนิดต่อมที่ผ่านการตัดต่อมออกทั้งส่วน (lobectomy) ที่ศูนย์ Dartmouth-Hitchcock Medical Center (DHMC)
“โมเดลของพวกเราใช้โครงข่าย Convolutional Neural Network) เพื่อระบุพื้นที่ของเซลเนื้องอก แล้วจากนั้นจึงรวบรวมข้อมูลการคัดแยกต่างๆ เหล่านี้เพื่อสรุปถึงรูปแบบ histologic ว่าเด่นหรือด้อยจากภาพตัดที่ส่งเข้ามา” นักวิจัยกล่าว
หลังจากเทรนเสร็จสิ้น ทีมงานได้ทดสอบอัลกอริทึมกับข้อมูล dataset จำนวน 143 ภาพ ซึ่งทีมได้กล่าวว่าการทดสอบโมเดลนั้นอยู่ที่ระดับความมั่นใจ 95% ตามที่มีการตกลงร่วมกันกับการวินิจฉัยของนักพยาธิวิทยา
งานวิจัยนี้เพิ่งได้รับการตีพิมพ์ในนิตยสาร Nature ในหัวข้อ Pathologist-level Classification of Histologic Patterns on Resected Lung Adenocarcinoma Slides with Deep Neural Networks และนอกจากนี้ทีมนักวิจัยยังได้เผยแพร่บล็อควิธีการทำที่จะอธิบายว่าคุณจะสามารถเทรนโมเดล deep learning เพื่อคัดแยกภาพพยาธิวิทยาได้อย่างไร ซึ่งโค้ดต่างๆ ในงานวิจัยยังได้มีการเผยแพร่ผ่าน GitHub ด้วย
Source : https://news.developer.nvidia.com/ai-helps-classify-lung-cancer-at-the-pathologist-level/
