AI优于人类创造癌症治疗 - 但医生是否相信?

人工智能信任恐惧概念

部署人工智能(AI)对现实世界临床环境中的辐射癌治疗的影响已经由玛格丽特公主研究人员在涉及医生和患者的独特研究中进行了测试。

研究人员团队直接与AI机器学习(ML)算法产生的辐射处理的医生评估与人类产生的常规放射治疗相比。

他们发现,在研究的100名患者中,使用ML产生的治疗被认为是医生治疗的临床上可接受的。

克里斯麦·麦金塔

第一作者McIntoSh博士说,玛格丽特公主的研究表明,AI可以比人类判断更好,以便治疗意图治疗治疗。信贷:步幅,uhn

总的来说,89%的ML-产生的处理被认为是临床上可接受的治疗方法,并选择72%的人生成的人生成治疗,以对常规的人生成的治疗。

此外,M1辐射处理过程比常规人道驱动的方法快60%,将总时间从118小时降至47小时。在长期以来,这可以通过提高效率来代表大量成本,同时提高临床护理质量,罕见的双赢。

该研究还对医学中的AI进行了更广泛的影响。

While the ML treatments were overwhelmingly preferred when evaluated outside the clinical environment, as is done in most scientific works, physician preferences for the ML-generated treatments changed when the chosen treatment, ML or human-generated, would be used to treat the patient.

在这种情况下,考虑部署不充分的AI系统的团队,对患者治疗中选择的ML治疗的数量显着减少了令谨慎的判断。

研究团队由DRS领导的结果。Chris McIntosh,Leigh Conroy,Ale Berlin和Tom Purdie发表于自然医学,6月3日,2021年。

“我们已经表明,AI可以比人类判断更好,以便治疗意向放射治疗治疗。事实上,它非常令人惊讶的是,它很好地工作,“彼得摩克尔Cardiac Centre,Techna Institute和Medical Magning和AI联合部门和多伦多联合系的医学成像和AI椅子说。

“在与模拟的一个临床环境中实际部署时,它的重大发现就会发生在临床环境中。”

汤姆普迪

高级作者Purdie博士说,在实验室类型和AI生成的治疗中的临床类型之间可以脱节。信贷:由Purdie博士提供

添加Purdie博士,医学物理学家,玛格丽特癌症中心:“在实验室中有很多兴奋,假设这些结果将直接转化为临床环境。但我们在我们的研究中听起来一个警告,他们可能不会。

“一旦你把ML产生的治疗依赖于其患者做出真正的临床决定,才能将ML的偏好放在依据。在实验室类型和临床上发生的情况之间发生了什么可以断开连接。“Purdie博士也是多伦多大学辐射肿瘤科副教授。

在该研究中,要求治疗辐射脑神经医师评估两种不同的放射治疗 - 无论是mL还是人生成的治疗 - 两组患者中具有相同的标准化标准,它们在人口统计学和疾病特征中相似。

差异是一组患者已经接受治疗,因此比较是“模拟”运动。第二组患者即将开始进行放射治疗治疗,因此如果判断出AI产生的治疗优于它们的人类对应物,它们将用于实际治疗。

肿瘤科医生不知道是由人或机器设计的辐射处理。通过专用放射治疗师根据正常方案为每位患者单独创建人生成的治疗。相反,每个ML治疗由从先前在玛格丽特公主治疗前列腺癌治疗前列腺癌的99名患者的高质量,同行治疗计划的计算机算法开发。

对于每个新患者,ML算法自动识别数据库中最相似的患者,使用来自患者图像的数千个特征的学习相似度指标,并列出的目标和健康器官是放射治疗过程的标准部分。根据ML模型,从数据库中最相似的患者推断出新患者的完整治疗。

leigh conroy

联合作者Leigh Conroy博士表示,ML引发的放射治疗现已用于治疗玛格丽特公主的大多数前列腺癌患者。信用:UHN Visual Services

虽然ML产生的治疗在两种患者群体中高度额定,但预处理组的结果与后处理组分歧。

在已经接受治疗的患者组中,对人类选择的ML产生的治疗的数量为83%。在治疗之前,这对于专门用于治疗的那些,这降至61%。

“在这项研究中,我们称研究人员需要注意临床环境,”Purdie博士说。“如果医生觉得患者护理是股权,那么即使ML治疗得到彻底评估和验证,这可能会影响其判断。”

玛格丽特公主医学物理学家博士指出,在高度成功的研究中,ML产生的治疗现在用于治疗玛格丽特公主患者的大多数前列腺癌患者。

这取得成功是由于仔细规划,明智的逐步融入临床环境,以及许多利益攸关方的参与整个建立强大的ML计划的过程中,她解释说,增加该计划不断完善,肿瘤科医师被不断咨询并提供反馈,提供反馈,并提供反馈,毫升治疗方法反映临床的结果准确性与他们共享。

“我们在玛格丽特公主的临床诊所将其整合到临床中,我们是非常系统的。”玛格丽特公主贾林斯博士兼辐射肿瘤学家说。“为了建立这部小说软件,大约需要六个月,但要让每个人都坐在船上,并且对这个过程舒服,需要两年多。愿景,大胆和韧性是关键成分,我们很幸运地在玛格丽特公主,在体现这些属性的纪律中有领导者。“柏林博士也是多伦多大学辐射肿瘤科助理教授。

推出该口径研究的成功严重依赖于玛格丽特公主致癌癌群的承诺,包括放射肿瘤学家,医学物理学家和辐射治疗师。这是一个大型多学科团队努力,最终目标是改善玛格丽特公主患者的辐射癌症治疗。

该团队还将其工作扩展到其他癌症遗址,包括肺和乳腺癌,目标是降低心脏毒性,治疗可能的副作用。

参考文献:“机器学习的临床一体化,用于治疗患者的患者癌症患者”,克里斯麦·麦克风,迈克尔C. Tjong,Tim Craig,Charles Catton,Mary Gospodarowicz,Joelle Helou,Naghmeh Isfahanian,Vickie Kong,Tony Lam,Srinivas Raman,Padraig Warde,Peter Chung,Alejandro Berlin和Thomas G. Purdie,2021年6月3日,自然医学
DOI:10.1038 / S41591-021-01359-W

贡献本文的其他作者包括:Michael C. Tjong,Tim Craig,Andrew Bayley,Charles Catton,Mary Gospodarowicz,Joelle Helou,Naghmeh Isfahanian,Vickneg,Tony Lam,Srinivas Raman,Padraig Warde和Peter Chung。

这项工作得到了加拿大卫生研究院,国家科学和加拿大工程研究委员会和玛格丽特癌症基金会的支持。

利益争夺

Chris McIntosh和Thomas Purdie接收来自Raysearch实验室的特许权使用费与ML辐射处理技术相关。剩下的作者报告了本研究没有竞争利益。

关于公主玛格丽特癌症中心

玛格丽特公主癌症中心在抗击癌症和交付个性化癌症医学方面取得了国际声誉。主要五大国际癌症研究中心之一的玛格丽特公主是大学卫生网络的成员,其中包括多伦多综合医院,多伦多康复研究所和Uhn米歇尔教育研究所。所有这些都是与多伦多大学附属的研究院。

是第一个评论“AI优于人类在创造癌症治疗方面 - 但医生相信它?”

发表评论

电子邮件地址是可选的。如果提供的话,您的电子邮件不会发布或共享。