กว่า 30 ปีที่Maryellen Gigerทำงานเกี่ยวกับการใช้ปัญญาประดิษฐ์ (AI) เพื่อปรับปรุงความแม่นยำของภาพทางการแพทย์ โดยเฉพาะเมื่อเป็นเรื่องของโรคมะเร็ง แท้จริงแล้ว Giger เป็นผู้บุกเบิกในการพัฒนาเครือข่ายประสาทเทียมที่ช่วยให้คอมพิวเตอร์สามารถระบุ จำแนก และวินิจฉัยภาพทางการแพทย์ ไม่ว่าจะเป็นภาพถ่ายรังสี ภาพ MRI หรือ CT scan ในที่นี้ เธอพูดถึงภูมิหลังทางฟิสิกส์ของเธอ
วิธีสร้าง
การใช้ AI ในการถ่ายภาพมะเร็งเต้านม และวิธีที่เธอมีส่วนร่วมในบริษัทแรกๆ ที่ได้รับการอนุมัติจากสำนักงานคณะกรรมการอาหารและยา (FDA) สำหรับการตรวจหามะเร็งโดยใช้คอมพิวเตอร์ช่วย และ ระบบการวินิจฉัยอะไรทำให้คุณสนใจฟิสิกส์การแพทย์ในตอนแรก?
ฉันสนใจวิชาคณิตศาสตร์และฟิสิกส์มาตั้งแต่เด็ก และฉันก็เรียนวิชาเอกในระดับปริญญาตรี ฉันไปที่ Illinois Benedictine College นอกเมืองชิคาโก แม้ว่าจะเป็นมหาวิทยาลัยขนาดเล็ก แต่ก็มีโอกาสในการฝึกงานที่ยอดเยี่ยม และฉันใช้เวลาช่วงฤดูร้อน 3 ครั้งที่ทำงาน
ที่Fermi National Accelerator Laboratory (Fermilab) ในเวลานั้นพวกเขามีระบบบำบัดด้วยนิวตรอน ดังนั้นฉันจึงใช้เวลาช่วงฤดูร้อนหนึ่งทำงานเกี่ยวกับเครื่องประกอบ โดยฉันตั้งโปรแกรมการควบคุมอุณหภูมิบางส่วนภายในศูนย์ อีกสองฤดูร้อน ฉันทำงานเพิ่มเติมเกี่ยวกับฮาร์ดแวร์ของการวินิจฉัย
ลำแสง และนั่นคือวิธีที่ฉันพบฟิสิกส์ทางการแพทย์หลังจากจบปริญญาตรี ฉันได้รับโอกาสให้ไปเรียนที่มหาวิทยาลัย Exeter ในสหราชอาณาจักรในปี พ.ศ. 2522 ที่ Exeter พวกเขามีโครงการตรวจคลื่นไฟฟ้าหัวใจสำหรับทารกเสียชีวิตกะทันหัน (SIDS หรือที่เรียกว่า cot death หรือ crib death) .
ในขณะที่อยู่ที่นั่น ฉันสร้างระบบคลื่นไฟฟ้าหัวใจ ตั้งโปรแกรมในแอสเซมเบลอร์ ซึ่งฉันโชคดีที่รู้อยู่แล้ว และเขียนวิทยานิพนธ์ปริญญาโทในหัวข้อนี้ โดยดูว่ามีการเปลี่ยนแปลงของจังหวะการเต้นของหัวใจในอาสาสมัครหรือไม่งานปริญญาเอกของคุณมุ่งเน้นไปที่อะไร?
เมื่อฉันกลับมา
จากสหราชอาณาจักร ฉันเริ่มเรียนปริญญาเอกที่มหาวิทยาลัยชิคาโก ซึ่งครอบคลุมฟิสิกส์การถ่ายภาพเพื่อการวินิจฉัย เช่นเดียวกับฟิสิกส์การถ่ายภาพเพื่อการบำบัด ฉันตัดสินใจว่าฉันต้องการเข้าสู่จุดสิ้นสุดของการวินิจฉัย เราได้เรียนรู้ฟิสิกส์ทั้งหมดที่เข้าสู่กระบวนการสร้างภาพทั้งหมด
ตั้งแต่แหล่งที่มาที่จะใช้ในอุปกรณ์ ประเภทของเครื่องตรวจจับ สิ่งที่เกิดขึ้นหลังจากที่คุณได้รับภาพ และแม้กระทั่งวิธีการนำเสนอรายงานขั้นสุดท้ายแก่ผู้ป่วย . เพราะถ้าคุณไม่ปรับให้เหมาะสมทุกขั้นตอน กระบวนการจะไม่ทำงาน งานวิจัยวิทยานิพนธ์ของฉันคือการประเมินคุณภาพภาพถ่ายทางกายภาพ
ของภาพถ่ายรังสีดิจิทัล ซึ่งน่าสนใจว่าภาพถ่ายรังสีชนิดเดียวที่คนส่วนใหญ่คุ้นเคยในปัจจุบัน แต่ย้อนกลับไปในต้นทศวรรษ 1980 เราเริ่มต้นด้วยภาพยนตร์หน้าจอหลังจากจบปริญญาเอก ฉันใช้เวลาสองสามปีในตำแหน่งหลังปริญญาเอก และจากนั้นก็เป็นอาจารย์ที่ภาควิชารังสีวิทยาของมหาวิทยาลัย
ฉันทำงานเกี่ยวกับการวิเคราะห์ภาพถ่ายรังสีทรวงอกเพื่อตรวจหาก้อนเนื้อในปอด และหลังจากนั้นก็ทำการตรวจคัดกรองด้วยแมมโมแกรมเพื่อตรวจหาเนื้อร้ายจำนวนมาก ในขณะที่ภาพเอ็กซ์เรย์ทรวงอกใช้เวลาหนึ่งชั่วโมงในการแปลงเป็นดิจิทัล แต่จะใช้เวลาสี่ชั่วโมงในการประมวลผล
ซึ่งในที่สุดทำให้เราพัฒนาอัลกอริทึมการตรวจจับโดยใช้คอมพิวเตอร์ช่วยสำหรับการวิเคราะห์ทางการแพทย์คุณและเพื่อนร่วมงานของคุณเป็นผู้บุกเบิกการใช้ AI ในการถ่ายภาพมะเร็งเต้านมได้อย่างไร
คำว่าคอมพิวเตอร์ช่วยวินิจฉัยเริ่มขึ้นในทศวรรษที่ 1980 และ 1990 ซึ่งแยกออกเป็นการตรวจหา
โดยใช้คอมพิวเตอร์ช่วย (CADe) และการวินิจฉัยโดยใช้คอมพิวเตอร์ช่วย (CADx) เมื่อถ่ายภาพดิจิทัลของมวลแล้ว เราจำเป็นต้องตีความภาพนั้น ซึ่งเป็นสิ่งที่นักรังสีวิทยามักจะทำ ซึ่งจะทำการตัดสินเชิงคุณภาพตามประสบการณ์และความรู้ของพวกเขา ภาพดิจิทัลประกอบด้วยข้อมูลจำนวนมาก
ตัวอย่างเช่น
ขนาดและความไม่สม่ำเสมอของเนื้องอกสามารถประเมินได้โดยรังสีแพทย์ แต่อัลกอริทึม AI สามารถคำนวณในเชิงปริมาณได้ สิ่งนี้สามารถช่วยให้รังสีแพทย์ตรวจพบมะเร็งได้เร็วขึ้น และช่วยให้แพทย์สามารถวินิจฉัยได้อย่างมีข้อมูลมากขึ้น สิ่งที่เราทำคือสอน AI ถึงวิธีวิเคราะห์ภาพและสิ่งที่ต้องค้นหา
ภาพดิจิทัลประกอบด้วยข้อมูลจำนวนมาก เราสอน AI ถึงวิธีวิเคราะห์ภาพและสิ่งที่ต้องค้นหาเพื่อทำความเข้าใจความแตกต่างระหว่างการตรวจจับและการวินิจฉัย คุณสามารถนึกถึงWhere’s Waldo? หนังสือ การตรวจเอกซเรย์เต้านมอาจเปรียบได้กับหนังสือหนึ่งพันหน้า ซึ่งคุณต้องค้นหา Waldo
ซึ่งมีเพียงห้าหน้าในนั้น และคุณต้องทำสิ่งนี้ในระยะเวลาจำกัด ดังนั้น CADe จึงมีคอมพิวเตอร์เพื่อช่วยคุณค้นหารายการที่มีแถบสีแดงและสีขาว จากนั้นเมื่อคุณพบสิ่งเหล่านี้ คุณมีโปรแกรมอื่น – CADx – ที่จะช่วยคุณระบุได้ว่าแถบเหล่านั้นเป็นแถบสุ่ม เช่น ถัง หรือเป็น Waldo จริง ๆ ควรใช้ CADx
ร่วมกับรังสีแพทย์เสมอ ซึ่งจะพิจารณากรณีและตัดสินใจเป็นอันดับแรก จากนั้นคอมพิวเตอร์จะทำหน้าที่เป็นตัวอ่านที่สอง โดยส่วนใหญ่จะตรวจจับบางสิ่งที่อาจพลาดไปอะไรคือกระบวนการในการพัฒนาระบบตรวจหามะเร็งเต้านมโดยใช้คอมพิวเตอร์ช่วยที่ผ่านการรับรองจากองค์การอาหารและยาเป็นครั้งแรก?
ฉันได้เรียนรู้ตั้งแต่เนิ่นๆ ว่าหากคุณต้องการนำผลิตภัณฑ์ของคุณไปสู่ผู้ป่วยจริงๆ คุณต้องปกป้องความคิดของคุณด้วยการจดสิทธิบัตร แล้วจึงออกใบอนุญาต การพัฒนาไอเดียหรือผลิตภัณฑ์ต้องใช้เงินจำนวนมาก และนั่นเป็นวิธีเดียวที่บริษัทจะลงทุน ในปี พ.ศ. 2533 เราได้จดสิทธิบัตรวิธีการและระบบ CADe เพื่อตรวจหาและจำแนกบริเวณที่ผิดปกติในการตรวจแมมโมแกรมและภาพถ่ายรังสีทรวงอก
แนะนำ 666slotclub / hob66
