Artsen kunnen binnenkort hulp krijgen in de strijd tegen kanker dankzij het Computer Vision Research Center van de University of Central Florida.

Ingenieurs in het centrum hebben een computer geleerd hoe kleine stipjes longkanker op CT-scans te detecteren, die radiologen vaak moeilijk kunnen identificeren. Het kunstmatige intelligentiesysteem is ongeveer 95 procent nauwkeurig, vergeleken met 65 procent wanneer gedaan door menselijke ogen, zei de ploeg.

"We gebruikten de hersenen als een model om ons systeem te creëren, " zei Rodney LaLonde, een promovendus en aanvoerder van het hockeyteam van UCF. "Weet je hoe verbindingen tussen neuronen in de hersenen sterker worden tijdens ontwikkeling en leren? We gebruikten die blauwdruk, als je wil, om ons systeem te helpen begrijpen hoe patronen in de CT-scans te zoeken en zichzelf te leren hoe deze kleine tumoren te vinden."

De aanpak is vergelijkbaar met de algoritmen die gezichtsherkenningssoftware gebruikt. Het scant duizenden gezichten op zoek naar een bepaald patroon om de overeenkomst te vinden.

Engineering Assistant Professor Ulas Bagci leidt de groep onderzoekers in het centrum die zich richt op AI met mogelijke medische toepassingen.

De groep voedde meer dan 1 000 CT-scans - geleverd door de National Institutes of Health via een samenwerking met de Mayo Clinic - in de software die ze hebben ontwikkeld om de computer te helpen bij het leren zoeken naar de tumoren.

Afgestudeerde studenten die aan het project werkten, moesten de computer verschillende dingen leren om hem te helpen goed te leren. Naji Khosravan, die bezig is met zijn doctoraat, vormde de ruggengraat van het leersysteem. Zijn vaardigheid in nieuwe machine learning en computer vision-algoritmen leidde tot zijn zomer als stagiair bij Netflix om het bedrijf te helpen met verschillende projecten.

LaLonde leerde de computer ander weefsel te negeren, zenuwen en andere massa's die het tegenkwam in de CT-scans en longweefsels analyseren. Sarfaraz Hussein, die afgelopen zomer promoveerde, is het verfijnen van het vermogen van de AI om kankerachtige versus goedaardige tumoren te identificeren, terwijl afgestudeerde student Harish Ravi Parkash lessen trekt uit dit project en deze toepast, kijken of er een ander AI-systeem kan worden ontwikkeld om hersenaandoeningen te helpen identificeren of voorspellen.

"Ik geloof dat dit een zeer grote impact zal hebben, " zei Bagci. "Longkanker is de grootste kankermoordenaar in de Verenigde Staten en als het in een laat stadium wordt ontdekt, het overlevingspercentage is slechts 17 procent. Door manieren te vinden om eerder te identificeren, Ik denk dat we kunnen helpen de overlevingskansen te verhogen."

Het team zal zijn bevindingen in september presenteren op de grootste vooraanstaande conferentie voor onderzoek op het gebied van medische beeldvorming:de MICCAI 2018-conferentie in Spanje. Het werk van het team is voorafgaand aan de conferentie gepubliceerd.

De volgende stap is om het onderzoeksproject te verplaatsen naar een ziekenhuisomgeving; Bagci zoekt partners om dat mogelijk te maken. Daarna, de technologie kan een jaar of twee verwijderd zijn van de markt, zei Bagci.

"Ik denk dat we hier allemaal zijn gekomen omdat we onze passie voor techniek wilden gebruiken om een ​​verschil te maken en het redden van levens een grote impact heeft. ' zei LaLonde.

Ravi Prakash is het daarmee eens. Hij studeerde techniek en de toepassingen ervan in de landbouw voordat hij hoorde over Bagci en zijn werk bij UCF. Bagci's onderzoek ligt op het gebied van biomedische beeldvorming en machine learning en hun toepassingen in klinische beeldvorming. Eerder, Bagci was een stafwetenschapper en de labmanager van het NIH's Center for Infectious Disease Imaging-lab, bij de afdeling Radiologie en Beeldvormingswetenschappen.