研究人員說，人群創(chuàng)新可以用于算法和人工智能，以抵消肺癌放射腫瘤學(xué)家的短缺。AI和ML部署正在進(jìn)行中，但對于CXO來說，最大的問題將是管理這些計(jì)劃，并確定數(shù)據(jù)科學(xué)團(tuán)隊(duì)的適用范圍以及購買與構(gòu)建的算法。來自哈佛大學(xué)，Brigham / Women和Dana Farber癌癥研究所的研究人員指出，眾包和人工智能的結(jié)合可用于對抗肺癌。在JAMA的一篇文章中，來自這些機(jī)構(gòu)的研究人員概述了他們?nèi)绾卧赥opcoder.com上舉辦競賽以主持算法挑戰(zhàn)。比賽的設(shè)計(jì)分為三個(gè)階段，獎池為55,000美元。

Topcoder上的競賽圍繞創(chuàng)建算法和人工智能，可以識別肺腫瘤并將其分割用于放射治療。鑒于現(xiàn)有的放射腫瘤學(xué)家勞動力無法滿足全球需求，這種方法值得注意。2018年，肺癌在美國造成約150,000人死亡。

通過精心策劃的數(shù)據(jù)集舉行比賽 - 來自461名患者的CT掃描和77,942張圖像，其中8,144名患者存在腫瘤 - 研究人員能夠?yàn)閰①愓咛峁┯?xùn)練集，參見算法開發(fā)，然后創(chuàng)建反饋循環(huán)臨床醫(yī)生。

以下是算法必須做的背景和全局影響：

與用于診斷目的的癌癥圖像分析不同，其對單個(gè)問題(“是否存在腫塊?”)產(chǎn)生單個(gè)二元答案(是或否)，治療性腫瘤分割涉及以體素為基礎(chǔ)的醫(yī)學(xué)成像的解釋。將癌癥與正常器官分類，并納入對輻射劑量傳遞位置的內(nèi)在風(fēng)險(xiǎn) - 效益評估。對于專家放射腫瘤學(xué)家來說，這需要訓(xùn)練和直覺，而經(jīng)驗(yàn)可能直接影響肺癌的結(jié)果。

然而，美國和全球許多服務(wù)不足的患者無法獲得這種重要的人力資源。雖然大約58%的肺癌病例發(fā)生在欠發(fā)達(dá)國家，但這些國家的放射腫瘤學(xué)家數(shù)量驚人地短缺，估計(jì)到2020年，84個(gè)低收入和中等收入國家需要23,952名放射腫瘤學(xué)家，但2012年只有11,803人。

特色

人工智能和機(jī)器人，物聯(lián)網(wǎng)，虛擬和增強(qiáng)現(xiàn)實(shí)以及可穿戴設(shè)備都是創(chuàng)新技術(shù)，可以提高整個(gè)NHS的醫(yī)療保健和生產(chǎn)

算法在獨(dú)立數(shù)據(jù)集上進(jìn)行評分，然后根據(jù)算法與人類專家的分段進(jìn)行排名。

什么是AI?|什么是機(jī)器學(xué)習(xí)?|什么是深度學(xué)習(xí)?|什么是人工智能?

加起來，研究人員共有來自62個(gè)國家的564名參賽者參加了挑戰(zhàn)賽，參賽人數(shù)已超過10周。前五種AI算法能夠?qū)⒛[瘤與專家分開。到最后階段，頂級算法得到改進(jìn)。研究人員還將第二階段和第三階段的前5種算法結(jié)合起來，以提高性能。

研究人員最終得出結(jié)論，眾包和人工智能可能能夠快速產(chǎn)生結(jié)果。根據(jù)該文件：

結(jié)合人群創(chuàng)新和人工智能方法快速生成自動化算法，復(fù)制高度訓(xùn)練的醫(yī)生的技能，以完成放射治療的關(guān)鍵任務(wù)。這些AI算法可以通過將專家臨床醫(yī)生的技能轉(zhuǎn)移到資源貧乏的醫(yī)療保健環(huán)境來改善全球癌癥治療。