कैंसर के जोखिम का अनुमान लगाया जा सकता है? शोधकर्ताओं ने विकसित किया नया मॉडल

शोधकर्ताओं ने एक नया डीप लर्निंग मॉडल विकसित किया है जो स्तन घनत्व का अनुमान लगा सकता है, जो कैंसर के जोखिम की भविष्यवाणी के लिए उपयोगी हो सकता है।

ब्रिटेन के मैनचेस्टर विश्वविद्यालय के शोधकर्ताओं ने कहा कि गहन शिक्षण-आधारित दृष्टिकोण द्वारा सक्षम प्रशिक्षण डेटा से स्वत: सुविधा निष्कर्षण इसे स्तन घनत्व अनुमानों के लिए आकर्षक बनाता है।

स्तन घनत्व को स्तन के भीतर फाइब्रो-ग्लैंडुलर ऊतक के अनुपात के रूप में परिभाषित किया जाता है और अक्सर स्तन कैंसर के विकास के जोखिम का आकलन करने में इसका उपयोग किया जाता है।

उन्होंने जर्नल ऑफ़ मेडिकल इमेजिंग में अपने निष्कर्ष प्रकाशित किए हैं।

शोधकर्ताओं ने दो स्वतंत्र डीप लर्निंग मॉडल का इस्तेमाल किया, शुरुआत में इमेजनेट पर प्रशिक्षित किया गया, जो एक गैर-चिकित्सा इमेजिंग डेटासेट है जिसमें एक मिलियन से अधिक छवियां हैं, और उन्हें "ट्रांसफर लर्निंग" नामक दृष्टिकोण के माध्यम से अपने मेडिकल इमेजिंग डेटा के साथ प्रशिक्षित किया।

उन्होंने कहा कि सीमित डेटासेट के कारण ग्राउंड अप से डीप लर्निंग मॉडल का प्रशिक्षण और निर्माण चुनौतीपूर्ण है।

विशेषज्ञ जिनमें रेडियोलॉजिस्ट, उन्नत व्यवसायी रेडियोग्राफर और स्तन चिकित्सक शामिल हैं, ने 1,60,000 पूर्ण-क्षेत्र डिजिटल मैमोग्राम छवियों में 39,357 महिलाओं के दृश्य एनालॉग पैमाने पर घनत्व मान निर्धारित किए हैं।

इस डेटा का उपयोग करते हुए, शोधकर्ताओं ने एक ऐसी प्रक्रिया विकसित की जो इनपुट के रूप में मैमोग्राम छवि में फीडिंग पर घनत्व स्कोर का अनुमान लगाती है।

प्रक्रिया में प्रशिक्षण प्रक्रिया को कम्प्यूटेशनल रूप से कम गहन बनाने के लिए छवियों को प्रीप्रोसेसिंग करना, गहन शिक्षण मॉडल के साथ संसाधित छवियों से सुविधाओं को निकालना, सुविधाओं को घनत्व स्कोर के एक सेट पर मैप करना, और फिर अंतिम उत्पादन करने के लिए एक पहनावा दृष्टिकोण का उपयोग करके स्कोर का संयोजन करना शामिल है। घनत्व अनुमान।

इस प्रकार टीम ने गणना समय और स्मृति को संरक्षित करते हुए स्तन घनत्व और कैंसर के जोखिम के साथ इसके सहसंबंध का आकलन करने के लिए अत्यधिक सटीक मॉडल विकसित किए।

प्रमुख शोधकर्ता सुसान एम. एस्टले ने कहा, "मॉडल का प्रदर्शन अनिश्चितता की सीमा के भीतर मानव विशेषज्ञों के प्रदर्शन के बराबर है।" "इसके अलावा, इसे बहुत तेजी से और छोटे डेटासेट या बड़े डेटासेट के सबसेट पर प्रशिक्षित किया जा सकता है।"

शोधकर्ताओं ने नोट किया कि ढांचा न केवल स्तन कैंसर के जोखिम का अनुमान लगाने तक सीमित है बल्कि स्तन ऊतक घनत्व अनुमानों के आधार पर अन्य चिकित्सा इमेजिंग मॉडल को प्रशिक्षित करने के लिए भी है।

स्तन कैंसर दुनिया भर में महिलाओं को प्रभावित करने वाला सबसे आम कैंसर है।

जबकि इस उपाय का अनुमान लगाने के लिए विभिन्न तरीके उपलब्ध हैं, अध्ययनों से पता चला है कि दृश्य एनालॉग स्केल के आधार पर रेडियोलॉजिस्ट द्वारा किए गए व्यक्तिपरक आकलन किसी अन्य विधि की तुलना में अधिक सटीक हैं।