Υπηρεσίες Υγείας/Νοσοκομείο–Ιδιοτυπίες και Προκλήσεις/ ΔΜΥ51
1
1
70
Περιλαμβάνει: Σχήματα, Σχεδιάγραμμα, Πίνακες
Η Τεχνητή Νοημοσύνη είναι η ικανότητα των ηλεκτρονικών υπολογιστών να εκτελούν έργα που απαιτούν την ανθρώπινη ευφυία. Η ιατρική αρχίζει σιγά σιγά να ενσωματώνει τις άπειρες δυνατότητές της και η Παθολογική Ανατομική , ως η ειδικότητα που ασχολείται με την ταυτοποίηση του καρκίνου και την ανεύρεση ειδικών προγνωστικών δεικτών για την θεραπεία και την πορεία της νόσου ενός ασθενούς, θα μπορούσε να ωφεληθεί πολύπλευρα με την χρήση εφαρμογών της ΤΝ . Ο καρκίνος του μαστού αποτελεί το συχνότερο καρκίνο στις γυναίκες. Ο παθολογοανατόμος εμπλέκεται στη αρχική διάγνωσή του , την σταδιοποίησή του καθώς και την ανεύρεση των ιστικών δεικτών που είναι απαραίτητοι για την εξατομικευμένη θεραπεία και τον καθορισμό της περαιτέρω κλινικής πορείας του ασθενούς (βιοδείκτες).
Στην παρούσα εργασία επιχειρήθηκε η συστηματική ανασκόπηση της βιβλιογραφίας πάνω στις εφαρμογές της ΤΝ στον καρκίνο του μαστού , με έμφαση στον βιοδείκτη ER. Με την εφαρμογή ειδικού αλγορίθμου αναζήτησης ανευρέθηκαν 2123 δημοσιεύσεις σε δύο βάσεις δεδομένων όπου με αυστηρά κριτήρια επιλέχθηκαν 23 μελέτες. Με βάση τις κατευθυντήριες οδηγίες του PRISMA (χωρίς ωστόσο την επίτευξη της αξιολόγησης των συστηματικών σφαλμάτων των μελετών, λόγω της ιδιαίτερης φύσης αυτών) επιχειρήθηκε η εξαγωγή συμπερασμάτων για τον σκοπό της μελέτης και την τεχνική μέθοδο που ακολουθήθηκε, το πλήθος των δειγμάτων , την συμμετοχή ή όχι του παθολογοανατόμου , τον τύπο του όγκου , την ύπαρξη προεκπαίδευσης του συστήματος και τέλος τα στοιχεία επίδοσης της μελέτης.
Καταδείχθηκε η σημαντική διείσδυση της ΤΝ, της Μηχανικής Μάθησης και της Βαθειάς Μάθησης στην εκτίμηση των βιοδεικτών από τα συστήματα ανάλυσης και επεξεργασίας εικόνας. Οι αλγόριθμοι της ΒΜ επιχειρούν να υποσκελίσουν τον ρόλο του Παθολογοανατόμου αλλά οι αδυναμίες που παρουσιάζουν , δρουν αποτρεπτικά στην απομάκρυνση του ιατρού και προτρέπουν την συνεργασία για την εξασφάλιση της εξατομικευμένης φροντίδας του ασθενούς.
Artificial Intelligence is the ability of computers to perform tasks that require human intelligence. Medicine is slowly beginning to incorporate its infinite possibilities and Pathological Anatomy , as the specialty that deals with the identification of cancer and finding specific prognostic markers for the treatment and course of a patient's disease, could benefit greatly from the use of AI applications. Breast cancer is the most common cancer in women. The pathologist is involved in its initial diagnosis , its staging as well as the identification of tissue markers necessary for personalised treatment and the determination of the patient's further clinical course (biomarkers).
In this paper, a systematic review of the literature on the applications of AI in breast cancer was attempted , with emphasis on the biomarker ER. By applying a specific search algorithm, 2123 publications were retrieved in two databases where 23 studies were selected using strict criteria. Based on the PRISMA guidelines (without, however, achiving an assessment of the systematic errors of the studies, due to their specific nature) an attempt was made to draw conclusions about the purpose of the study and the technical method followed, the number of samples , the involvement or not of the pathologist , the type of tumor , the existence of pre-training of the system and finally the performance data of the study.
The significant penetration of AI, Machine Learning and Deep Learning in biomarker estimation by the image analysis and processing systems was demonstrated. BM algorithms attempt to substitute the role of the Pathologist but the weaknesses they present , act as a deterrent to the physician's disengagement and prompt collaboration to ensure personalized patient care.
