Ungarische Forscher an der Spitze der wissenschaftlichen Welt
Ungarische Wissenschaftler entdeckten eine Methode, mit der Brustkrebs viel früher, einfacher und schneller diagnostiziert werden kann. Ihr verwandter Artikel wurde zum 30. meistgelesenen Artikel im Nature Magazine, einer der anerkanntesten wissenschaftlichen Zeitschriften der Welt.
Eine Revolution in der Brustkrebs-Erkennung?
Brustkrebs ist die häufigste Krebserkrankung bei Frauen, und er ist die Haupttodesursache durch Krebs bei Frauen in der Welt Daher entwickelten ungarische Wissenschaftler eine innovative Methode, das sogenannte Deep-Learning-System, eine Bildanalysesoftware, die Mammographie-Screenings revolutionieren kann Ihr verwandter Artikel, der in den Nature Scientific Reports veröffentlicht wurde, wurde der 30. meistgelesene unter den mehr als 17 Tausend Artikeln, die 2018 in der wissenschaftlichen Zeitschrift erschienen sind – szeretlekmagyarorszag.hu berichtet.
Tatsächlich wurde die Methode bereits für The Digital Mammography DREAM Challenge eingeführt, die darauf abzielt, die Auswertung von Screening-Mammographien zu verbessern Die Herausforderung wurde vom US-amerikanischen National Cancer Institute und der vom ehemaligen US-Vizepräsidenten Joe Biden ins Leben gerufenen Cancer Moonshot Initiative initiiert In diesem Wettbewerb hat Dezs Ribli, ein Doktorand der Eötvös Loránd University (Budapest) und einer der Autoren des oben genannten Nature-Artikels
Platz zwei unter den mehr als 1200 antragstellenden Wissenschaftlern.
Laut den Autoren des Nature-Papiers bot die DM-Challenge eine hervorragende Gelegenheit, die Leistung konkurrierender Methoden auf kontrollierte und faire Weise zu vergleichen, anstatt selbstberichtete Bewertungen verschiedener oder proprietärer Datensätze durchzuführen.
Die vom ungarischen Wissenschaftlerteam entwickelte Bildanalysesoftware ist dazu in der Lage
Finden von 90 pc der bösartigen Tumoren
Und im Durchschnitt markiert es nur 30 pc der Bilder, die es falsch screens In der Tat ist dies ein sehr gutes Verhältnis in der aktuellen medizinischen Praxis, und es hilft sehr bei der Früherkennung der Krankheit Darüber hinaus lernt das System autonom, indem es ständig neue Bilder analysiert.
Schnellere und unermüdliche KI
Wenn die Methode bei zukünftigen Tests gut abschneidet, können selbst Krankenhäuser mit Mammographieuntersuchungen beginnen, die mit dem Mangel an Fachkräften zu kämpfen haben oder bei denen Ärzte und Pflegekräfte überlastet sind.
Über die Geschichte der Methode schrieben sie, dass in den letzten zwei Jahrzehnten Computer Aided Detection (CAD)-Systeme entwickelt wurden, um Radiologen bei der Analyse von Screening-Mammographien zu helfen; Allerdings scheinen die Vorteile aktueller CAD-Technologien widersprüchlich zu sein; Daher sollten sie verbessert werden, um als letztendlich nützlich angesehen zu werden. Seit 2012 sind tiefe Faltungs-Neuronale Netze (CNN) ein enormer Erfolg bei der Bilderkennung
Erreichen menschlicher Leistung.
Diese Methoden haben die traditionellen Ansätze, die den derzeit verwendeten CAD-Lösungen ähneln, bei weitem übertroffen. Deep CNNs haben das Potenzial, die medizinische Bildanalyse zu revolutionieren, da sie genauso viele Fehler machen wie Menschen, aber viel schneller und unermüdlich sind.
Der Artikel wurde von Dezs Ribli PhD-Student und István Csabai, Professor für Physik, beide von der Eötvös Loránd Universität (Budapest), Péter Pollner, ein wissenschaftlicher Mitarbeiter der Ungarischen Akademie der Wissenschaften (MTA) ELTE Statistical and Biological Physics Research Group, und zwei Forscher der Semmelweis-Universität (Budapest), Anna Horváth und Zsuzsa Unger.