研究人员发现众包人工智能在战斗中对抗肺癌

研究人员说，人群创新可以用于算法和人工智能，以抵消肺癌放射肿瘤学家的短缺。AI和ML部署正在进行中，但对于CXO来说，最大的问题将是管理这些计划，并确定数据科学团队的适用范围以及购买与构建的算法。来自哈佛大学，Brigham / Women和Dana Farber癌症研究所的研究人员指出，众包和人工智能的结合可用于对抗肺癌。在JAMA的一篇文章中，来自这些机构的研究人员概述了他们如何在Topcoder.com上举办竞赛以主持算法挑战。比赛的设计分为三个阶段，奖池为55,000美元。

Topcoder上的竞赛围绕创建算法和人工智能，可以识别肺肿瘤并将其分割用于放射治疗。鉴于现有的放射肿瘤学家劳动力无法满足全球需求，这种方法值得注意。2018年，肺癌在美国造成约150,000人死亡。

通过精心策划的数据集举行比赛 - 来自461名患者的CT扫描和77,942张图像，其中8,144名患者存在肿瘤 - 研究人员能够为参赛者提供训练集，参见算法开发，然后创建反馈循环临床医生。

以下是算法必须做的背景和全局影响：

与用于诊断目的的癌症图像分析不同，其对单个问题(“是否存在肿块?”)产生单个二元答案(是或否)，治疗性肿瘤分割涉及以体素为基础的医学成像的解释。将癌症与正常器官分类，并纳入对辐射剂量传递位置的内在风险 - 效益评估。对于专家放射肿瘤学家来说，这需要训练和直觉，而经验可能直接影响肺癌的结果。

然而，美国和全球许多服务不足的患者无法获得这种重要的人力资源。虽然大约58%的肺癌病例发生在欠发达国家，但这些国家的放射肿瘤学家数量惊人地短缺，估计到2020年，84个低收入和中等收入国家需要23,952名放射肿瘤学家，但2012年只有11,803人。

特色

人工智能和机器人，物联网，虚拟和增强现实以及可穿戴设备都是创新技术，可以提高整个NHS的医疗保健和生产

算法在独立数据集上进行评分，然后根据算法与人类专家的分段进行排名。

什么是AI?|什么是机器学习?|什么是深度学习?|什么是人工智能?

加起来，研究人员共有来自62个国家的564名参赛者参加了挑战赛，参赛人数已超过10周。前五种AI算法能够将肿瘤与专家分开。到最后阶段，顶级算法得到改进。研究人员还将第二阶段和第三阶段的前5种算法结合起来，以提高性能。

研究人员最终得出结论，众包和人工智能可能能够快速产生结果。根据该文件：

结合人群创新和人工智能方法快速生成自动化算法，复制高度训练的医生的技能，以完成放射治疗的关键任务。这些AI算法可以通过将专家临床医生的技能转移到资源贫乏的医疗保健环境来改善全球癌症治疗。