Revolutionierung der Krebsdiagnose durch KI und maschinelles Lernen
ÜBER DAS AID-GI PROJEKT
Das AID-GI-Projekt (Artificial Intelligence-supported Diagnostics of Gastrointestinal diseases with video capsule endoscopy) ist eine von der britischen Regierung finanzierte Forschungsinitiative. Ziel ist es, die Diagnose von Darmkrebs und anderen Magen-Darm-Erkrankungen mithilfe von maschinellem Lernen [1] zu verbessern, damit mehr Magen-Darm-Untersuchungen ohne Qualitätseinbußen durchgeführt werden können, um den wachsenden Rückstau in den Krankenhäusern zu verringern.
Die Herausforderung
Angesichts der Anzahl der zu untersuchenden Patienten und der daraus resultierenden Menge an Bildern, die von den Kapseln aufgenommen werden, ist eine konsistente, qualitativ hochwertige Analyse aller erzeugten Bilder mit den derzeitigen manuellen Methoden jedoch nicht möglich.
Während die traditionellen Koloskopieverfahren mit Röhrenkameras immer noch als Goldstandard für die Untersuchung des Verdauungstrakts gelten, kann die revolutionäre Videokapselendoskopie erhebliche Vorteile bieten.
Angesichts der Anzahl der zu untersuchenden Patienten und der daraus resultierenden Menge der von den Kapseln aufgenommenen Bilder ist jedoch eine konsistente, qualitativ hochwertige Analyse aller erzeugten Bilder mit den derzeitigen manuellen Methoden nicht möglich.
Das Ziel des AID-GI-Projekts ist es, die innovative Videokapselendoskopie Wirklichkeit werden zu lassen.
Finden Sie heraus, wie das Team von Wolfram Technical Services Ihr Projekt mit detaillierter Fehlersuche, Code-Optimierung, individuellem Training oder Produktionsimplementierung vorantreiben kann.
Das Wolfram Consulting Services-Team hat CapScan entwickelt, ein integriertes Tool, das menschlichen Bedienern hilft, genaue Trainingsdaten für die auf maschinellem Lernen basierende automatische Bildanalyse zu erstellen. Das Importieren, Konvertieren und Analysieren von Videos aus der Kapsel kann nun einfach und genau in großem Umfang über eine einfache Schnittstelle erfolgen.
Das Team von Wolfram Consulting Services mit seiner umfassenden Erfahrung im Projektmanagement war ein idealer Dreh- und Angelpunkt in diesem kollaborativen Forschungsprojekt, bei dem die Kommunikation über Ziele, Umfang und Fortschritt im Vordergrund stand,
Diese pillengroßen Kapseln liefern qualitativ hochwertige Bilder und sind im Vergleich zu herkömmlichen Endoskopieverfahren wesentlich komfortabler und weniger invasiv.
auf maschinellem Lernen basierende automatische Bildanalyse. Da während des Eingriffs keine Spezialisten und Berater anwesend sein müssen, kann die pillengroße Kamera zu Hause oder in einer Arztpraxis vor Ort geschluckt werden, was den Druck auf Akutdienste und Endoskopieabteilungen verringert und die Versorgung auf unterversorgte Gebiete ausweitet.
und mehr war entscheidend.
Darüber hinaus war die Wolfram Language die perfekte Plattform für ein Projekt, das einen robusten Import, die Verarbeitung und die Präsentation von Informationen aus einer Vielzahl von Quellen und in vielen verschiedenen Formaten erforderte.
Da eine globale Einführung geplant war, waren Skalierbarkeit und Sicherheit von größter Bedeutung. Das multidisziplinäre Team von Wolfram war in der Lage, die medizinischen, datenwissenschaftlichen, Schnittstellenentwicklungs- und Infrastrukturelemente des Projekts zu übernehmen und gleichzeitig eine externe Perspektive und innovative Ideen einzubringen.
Mit CapScan können Kliniker Tausende von Bildern importieren und alle Anomalien automatisch erkennen. Die Bediener können die Klassifizierungen manuell überprüfen, um eine Diagnose zu stellen und die maschinellen Lernalgorithmen von CapScan zu verbessern.
ERGEBNISSE
Kein einziger Programmierstil ist für jedes Problem ideal geeignet. Mathematica unterscheidet sich von traditionellen Computersprachen durch die gleichzeitige Unterstützung vieler Programmierparadigmen, wie z. B. prozedural, funktional, regelbasiert, musterbasiert und mehr.
Mit Mathematica können Sie in dem von Ihnen bevorzugten Stil programmieren.
Innovation in der Gesundheitstechnologie ermöglichen
Das Team von Wolfram Consulting hat das CapScan-Tool entwickelt, das die Engpässe beseitigt, die die Innovation in der GI-Screening-Technologie behindern. Die Nutzer müssen nicht mehr durch Tausende von Einzelbildern pro Patient scrollen. Sie können jetzt ein einziges Bild auswählen und erhalten passende KI-Vorschläge zurück.
Abbau von Rückständen im NHS und Verbesserung der gesundheitlichen Chancengleichheit
Now, gastrointestinal exams can be performed quickly and accurately without the need for specialized physicians and consultants. This not only enables more screening in acute care settings, but also in community health centers, improving access to care in underserved areas and reducing the burden on hospitals.
Starke Grundlagen für kontinuierliche Verbesserungen
Bilder mit verifizierten Anomalien werden dem Trainingssatz für den maschinellen Lernalgorithmus von CapScan wieder hinzugefügt, wodurch dessen Leistung mit zunehmender Nutzung verbessert wird. Darüber hinaus hat das Team von Wolfram Consulting eine solide Grundlage geschaffen, auf der wir und andere Mitarbeiter aufbauen können, um maschinelles Lernen und automatisierte Bildanalyse weiter in die gastrointestinale Diagnostik zu integrieren.
MÖGLICH GEMACHT DURCH WOLFRAM
“Die Verwendung der Wolfram Language ermöglichte es uns, die Bildverarbeitung, das maschinelle Lernen und die Datenvisualisierung, die erforderlich sind, um den Klinikern die benötigten Informationen zu liefern, mit den Werkzeugen zur Erstellung und Bereitstellung einer benutzerfreundlichen Schnittstelle zu verbinden. Da alle diese Tools in die Wolfram Engine integriert und für die Zusammenarbeit konzipiert sind, ist der erforderliche Code klein und sehr hochrangig, was es uns leicht macht, das Tool mit zukünftigen Generationen der Kern-KI zu pflegen und weiterzuentwickeln.”
-Jon McLoone
Direktor für technische Kommunikation und Strategie
Wolfram Research Europe
LASSEN SIE UNS IHR PROJEKT AUF DIE NÄCHSTE STUFE HEBEN
Finden Sie heraus, wie Wolfram Ihr Projekt mit detaillierter Fehlerbehebung, Code-Optimierung, individuellem Training oder Produktionsimplementierung ankurbeln kann.