Algoritma Stanford Dapat Mendiagnosis Pneumonia Dengan Lebih baik dari ahli Radiologi

Photo: Stanford

Peneliti Stanford telah mengembangkan algoritma pembelajaran mesin yang dapat mendiagnosis pneumonia dari rontgen dada lebih baik daripada yang bisa dilakukan oleh ahli radiologi manusia. Dan itu belajar bagaimana melakukannya hanya dalam waktu sekitar satu bulan.

Grup Belajar Mesin, yang dipimpin oleh asisten profesor Stanford Andrew Ng, terinspirasi oleh kumpulan data yang dikeluarkan oleh National Institutes of Health pada tanggal 26 September. Kumpulan data berisi 112.120 foto rontgen dada yang diberi label dengan 14 diagnosis berbeda, bersamaan dengan beberapa algoritma pendahuluan. Para peneliti meminta empat ahli radiologi Stanford untuk memberi keterangan 420 gambar untuk kemungkinan indikasi pneumonia. Mereka memilih penyakit itu karena, menurut siaran pers, sangat sulit dikenali pada sinar-X, dan membawa 1 juta orang ke rumah sakit A.S. setiap tahun.

Dalam seminggu, tim Stanford telah mengembangkan sebuah algoritma, yang disebut CheXnet, yang mampu menemukan 10 dari 14 patologi dalam kumpulan data asli yang lebih akurat daripada algoritma sebelumnya. Setelah sekitar satu bulan berlatih, di depan semua 14, kelompok tersebut melaporkan dalam sebuah makalah yang dikeluarkan minggu ini melalui Perpustakaan Universitas Cornell. Dan CheXnet secara konsisten melakukan lebih baik daripada empat ahli radiologi Stanford dalam mendiagnosis pneumonia secara akurat.

Para peneliti melihat kinerja CheXnet dalam hal sensitivitas-yaitu, apakah benar mengidentifikasi kasus pneumonia yang ada, dan seberapa baik hal itu menghindari kesalahan positif. Sementara beberapa dari empat ahli radiologi manusia lebih baik daripada yang lain, CheXnet lebih baik daripada mereka semua [lihat grafik di bawah].

ChexNet, yang diuji pada 420 x-ray, mengungguli empat ahli radiologi dalam sensitivitas keduanya (mengidentifikasi yang positif dengan benar) dan spesifisitas (mengidentifikasi hal yang negatif dengan benar). Ahli radiologi individu diwakili oleh X oranye, kinerja rata-rata mereka oleh X hijau, dan ChexNet oleh kurva biru, yang dihasilkan oleh berbagai ambang batas yang digunakan untuk diagnosisnya.

Image: Stanford

Pendekatan Stanford juga menciptakan peta panas sinar-x dada, dengan warna yang menunjukkan area gambar yang paling mungkin mewakili pneumonia; Ini adalah alat yang peneliti percaya bisa sangat membantu ahli radiologi manusia.

Saya tidak bisa lebih senang-dan berharap semua ahli radiologi di Stanford akan segera merangkul teknologi ini, karena saya tahu secara langsung betapa menguntungkannya hal itu.

Desember lalu, anak laki-laki saya yang berusia 18 tahun pergi ke ruang gawat darurat Stanford dengan demam dan batuk yang sangat tinggi. Dia memiliki rontgen dada untuk menduga pneumonia; itu dibaca sebagai negatif sehingga ia diberi I.V. untuk dehidrasi, obat untuk demamnya, dan dikirim pulang.

Seminggu kemudian, dia kembali berada di UGD di tengah malam, kali ini mengalami disorientasi, dengan demam yang lebih tinggi lagi yang tidak merespons pengobatan. Sekali lagi, x-ray dada dibaca sebagai negatif, dan dia diuji untuk setiap penyakit yang bisa dibayangkan. Tapi semua yang dia berikan itu cairan, dan akhirnya dia dibebaskan tanpa diagnosis.

Dua hari setelah itu, kami mendapat telepon dari radiologi - tinjauan rutin sinar-x dari akhir pekan telah mengubah pendapat medis terhadap pneumonia - diagnosis yang telah dilewati dua kali. Antibiotik mulai menurunkan demamnya dalam waktu 24 jam.

Lain kali saya membawa anak ke Stanford ER, saya meminta konsultasi CheXnet.

Referensi : spectrum.ieee.org