Vendel, Irén, Kleopátra2020. október 20., kedd
Tudomány

Sikert hozott egy magyar kutató rákdiagnosztikai szoftvere

2017.06.16.Erdélyi Ilona
National Geographic Magyarország

A többlépcsős versenyben 1226 versenyző közül Ribli Dezső, az ELTE TTK Komplex Rendszerek Fizikája Tanszék doktorandusza második helyezést ért el.

Egy radiológus hagyományos módszerrel elemzi, az egyik legmodernebb funkcionális képalkotó eljárás, a pozitronemissziós tomográfia (PET) képeit.
Fotó: Profimedia

A DREAM Challenges csoport nemzetközi versenyt hirdetett mammográfiai felvételek minél jobb diagnosztikai kiértékelésére. A Deep Learning eljáráson alapuló módszer pontossága összemérhető az emberi teljesítménnyel.

Az amerikai Nemzeti Rákkutató Intézet és Joe Biden volt alelnök által indított Cancer Moonshot kezdeményezés keretében szervezett The Digital Mammography DREAM Challenge nemzetközi felhívásban röntgenfelvételeket tettek közzé a résztvevők számára. A képek egy részéhez megadták a diagnosztikai eredményeket is, ezek segítségével lehetett kalibrálni, tanítani a modelleket. A versenyzők programjait a képek egy másik halmazán tesztelték, melyeknél csak a szervezők ismerték a diagnózist.

Ribli Dezső az ELTE TTK Komplex Rendszerek Fizikája Tanszéken, Csabai István professzor témavezetésével végzi PhD-tanulmányait, melynek témája gépi tanulási módszerek fejlesztése és alkalmazása tudományos adatelemzési problémákban. A fiatal magyar kutató az úgynevezett Deep Learning módszerek egyik speciális válfaját alkalmazta.

Ez a módszer más területeken már bizonyította az eredményességét, például az önvezető autóknál vagy internetes képek címkézésénél. A több hónapos, több lépcsős versenyen a világ szinte minden tájáról indult, 1226 versenyző közül 2. helyezést ért el az általa kidolgozott módszerrel.

A rákos megbetegedések esetén ontos a korai diagnózis, ezért a fejlett országok nagy része szervez szűrőprogramokat. A mammográfiás szűrővizsgálat során két irányból készítenek nagy felbontású röntgenfelvételeket mindkét mellről. A képeket egy vagy több tapasztalt radiológus értékeli ki, és a gyanús eseteket további vizsgálatokra rendelik vissza. A statisztikák szerint a szűrőprogramok során emelik ki az emlőrákos esetek közel 70 százalékát, a tapinthatónál kisebb tumorok is felfedezhetőek, és így 18-30 százalékkal csökkenthetik a halálozást is.

A felvételek kiértékelése hosszadalmas, monoton, fárasztó, ilyen körülmények között az emberek hajlamosak néha-néha hibázni. Különböző szakirodalmi adatok szerint a rákos esetek 70-90 százalékát sikerül általában kiszűrni. A tévesen tünetmentesnek ítélt betegek esetében utólagosan ismételt diagnózis szerint kétharmadánál látható lett volna a daganat. A radiológusok munkájának segítésére régóta fejlesztenek számítógépes diagnosztikai segédeszközöket, de ezek pontossága meg sem közelítette az emberét.

Az elmúlt években a mesterséges neuronhálózatokon alapuló technológiák forradalmasították a gépi képfelismerést. Ezek a programok a hétköznapi képeken lévő tárgyak, élőlények felismerésében az emberi teljesítményhez hasonló pontossággal működnek, de nagyságrendekkel gyorsabbak és, ami nagyon fontos, fáradhatatlanok. Várható, hogy ezek a módszerek az orvosi képalkotó diagnosztikában is sikeresen alkalmazhatóak lesznek.

A mesterséges intelligencia szoftver által helyesen megtalált és bekeretezett rákos daganatok a röntgenfelvételeken.
A kiértékelt képek forrása: Breast Research Group, INESC Porto, Portugal

Bár a versenyben a program feladata csupán annyi volt, hogy különítsék el az egyes képeket rákos/nemrákos kategóriákba, a magyar versenyző megoldása ezen felül pontosan lokalizálta is a daganatokat. Ez a gyakorlati hasznosításához elengedhetetlen, ugyanis a gépi módszereknek az lenne a célja, hogy felhívja az orvosok figyelmét a gyanús területekre.

A Semmelweis Egyetem III.sz Belgyógyászati Klinika és a Radiológiai Klinika szakmai támogatásával kifejlesztett módszer pontosság és megbízhatóság szempontjából összemérhető egy átlagos radiológus teljesítményével. A verseny folytatásaként a kiemelt helyezést elért versenyzők, köztük Ribli Dezső, egy nemzetközi fejlesztésben vesznek részt, amiből egy még jobb képességű szoftver készül. A kutatók remélik, hogy a kifejlesztett világszínvonalú rendszert sikerül bevezetni a magyar klinikai gyakorlatba is.

A verseny honlapján megjelent rövid interjúban Ribli Dezső elmondta: „úgy gondolom, hogy a Deep Learning nagy jövő előtt áll az orvosi képalkotó diagnosztikai elemzésekben. A kihívásban elérhetővé tett nagyméretű szűrési adathalmaz kitűnő lehetőséget adott a modellem tesztelésére és finomhangolására. Ezen kívül remek alkalmat biztosított arra, hogy egyenlő küzdelemben mérjem össze a módszeremet másokéval. Arra számítok, hogy a verseny jó eredményei felhívják a figyelmet a Deep Learning lehetőségeire a mammogramok kiértékelésében. Végezetül remélem, hogy az itt megkezdett munka bekerül a klinikai gyakorlatba és segít majd életeket menteni.”

Hozzászólások

Egyre kevesebb teknőst látnak a Brit-szigeteknél

Egyre kevesebb teknőst látnak a Brit-szigeteknél

Az észlelések számának csökkenése nem feltétlenül negatívum, hiszen a halászhajók kiszorulásának következménye is lehet.

Így változik a kutyák személyisége az életük során

Így változik a kutyák személyisége az életük során

A kutyák személyisége változik a korral, de a különböző személyiségvonások nem azonos ütemben.

Egy kardfogú macska genetikai elemzése

Egy kardfogú macska genetikai elemzése

A mamutok és az óriáslajhárok mellett a kardfogú macskák a pleisztocén legismertebb állatai.

Eddigi ismereteink szerint az élelmiszerek nem terjesztik a vírust

Eddigi ismereteink szerint az élelmiszerek nem terjesztik a vírust

Az eddigi tudományos ismeretek alapján az élelmiszerek és azok csomagolóanyagai nem játszanak szerepet a koronavírus terjedésében.

Mit ettek az indián gyapjas kutyák?

Mit ettek az indián gyapjas kutyák?

Az észak-amerikai őslakosok a kontinens nyugati partvidékén egy hosszú szőrű kutyafajta bundáját nyírták úgy, ahogy másutt a juhokét.

National Geographic 2020. szeptemberi címlap

Előfizetés

A nyomtatott magazinra,
12 hónapra

9 960 Ft

Korábbi számok

National Geographic 2010. januári címlapNational Geographic 2010. februári címlapNational Geographic 2010. márciusi címlapNational Geographic 2010. áprilisi címlapNational Geographic 2010. májusi címlapNational Geographic 2010. júniusi címlapNational Geographic 2010. júliusi címlapNational Geographic 2010. augusztusi címlapNational Geographic 2010. szeptemberi címlapNational Geographic 2010. októberi címlapNational Geographic 2010. novemberi címlapNational Geographic 2010. decemberi címlapNational Geographic 2011. januári címlapNational Geographic 2011. februári címlapNational Geographic 2011. márciusi címlapNational Geographic 2011. áprilisi címlapNational Geographic 2011. májusi címlapNational Geographic 2011. júniusi címlapNational Geographic 2011. júliusi címlapNational Geographic 2011. augusztusi címlapNational Geographic 2011. szeptemberi címlapNational Geographic 2011. októberi címlapNational Geographic 2011. novemberi címlapNational Geographic 2011. decemberi címlapNational Geographic 2012. januári címlapNational Geographic 2012. februári címlapNational Geographic 2012. márciusi címlapNational Geographic 2012. áprilisi címlapNational Geographic 2012. májusi címlapNational Geographic 2012. júniusi címlapNational Geographic 2012. júliusi címlapNational Geographic 2012. augusztusi címlapNational Geographic 2012. szeptemberi címlapNational Geographic 2012. októberi címlapNational Geographic 2012. novemberi címlapNational Geographic 2012. decemberi címlapNational Geographic 2013. januári címlapNational Geographic 2013. februári címlapNational Geographic 2013. márciusi címlapNational Geographic 2013. áprilisi címlapNational Geographic 2013. májusi címlapNational Geographic 2013. júniusi címlapNational Geographic 2013. júliusi címlapNational Geographic 2013. augusztusi címlapNational Geographic 2013. szeptemberi címlapNational Geographic 2013. októberi címlapNational Geographic 2013. novemberi címlapNational Geographic 2013. decemberi címlapNational Geographic 2014. januári címlapNational Geographic 2014. februári címlapNational Geographic 2014. márciusi címlapNational Geographic 2014. áprilisi címlapNational Geographic 2014. májusi címlapNational Geographic 2014. júniusi címlapNational Geographic 2014. júliusi címlapNational Geographic 2014. augusztusi címlapNational Geographic 2014. szeptemberi címlapNational Geographic 2014. októberi címlapNational Geographic 2014. novemberi címlapNational Geographic 2014. decemberi címlapNational Geographic 2015. januári címlapNational Geographic 2015. februári címlapNational Geographic 2015. márciusi címlapNational Geographic 2015. áprilisi címlapNational Geographic 2015. májusi címlapNational Geographic 2015. júniusi címlapNational Geographic 2015. júliusi címlapNational Geographic 2015. augusztusi címlapNational Geographic 2015. szeptemberi címlapNational Geographic 2015. októberi címlapNational Geographic 2015. novemberi címlapNational Geographic 2015. decemberi címlapNational Geographic 2016. januári címlapNational Geographic 2016. februári címlapNational Geographic 2016. márciusi címlapNational Geographic 2016. áprilisi címlapNational Geographic 2016. májusi címlapNational Geographic 2016. júniusi címlapNational Geographic 2016. júliusi címlapNational Geographic 2016. augusztusi címlapNational Geographic 2016. szeptemberi címlapNational Geographic 2016. októberi címlapNational Geographic 2016. novemberi címlapNational Geographic 2016. decemberi címlapNational Geographic 2017. januári címlapNational Geographic 2017. februári címlapNational Geographic 2017. márciusi címlapNational Geographic 2017. áprilisi címlapNational Geographic 2017. májusi címlapNational Geographic 2017. júniusi címlapNational Geographic 2017. júliusi címlapNational Geographic 2017. augusztusi címlapNational Geographic 2017. szeptemberi címlapNational Geographic 2017. októberi címlapNational Geographic 2017. novemberi címlapNational Geographic 2017. decemberi címlapNational Geographic 2018. januári címlapNational Geographic 2018. februári címlapNational Geographic 2018. márciusi címlapNational Geographic 2018. áprilisi címlapNational Geographic 2018. májusi címlapNational Geographic 2018. júniusi címlapNational Geographic 2018. júliusi címlapNational Geographic 2018. augusztusi címlapNational Geographic 2018. szeptemberi címlapNational Geographic 2018. októberi címlapNational Geographic 2018. novemberi címlapNational Geographic 2018. decemberi címlapNational Geographic 2019. januári címlapNational Geographic 2019. februári címlapNational Geographic 2019. márciusi címlapNational Geographic 2019. áprilisi címlapNational Geographic 2019. májusi címlapNational Geographic 2019. júniusi címlapNational Geographic 2019. júliusi címlapNational Geographic 2019. augusztusi címlapNational Geographic 2019. szeptemberi címlapNational Geographic 2019. októberi címlapNational Geographic 2019. novemberi címlapNational Geographic 2019. decemberi címlapNational Geographic 2020. januári címlapNational Geographic 2020. februári címlapNational Geographic 2020. márciusi címlapNational Geographic 2020. áprilisi címlapNational Geographic 2020. májusi címlapNational Geographic 2020. júniusi címlapNational Geographic 2020. júliusi címlapNational Geographic 2020. augusztusi címlapNational Geographic 2020. szeptemberi címlap

Hírlevél feliratkozás

Kérjük, erősítsd meg a feliratkozásod az e-mailben kapott linkre kattintva!

Kövess minket