Treść wygenerowana automatycznie na podstawie publicznych źródeł. Sprawdź oryginał w sekcji poniżej.
Nowy test krwi AI zmienia diagnozowanie raka macicy — jak to działa?
Kilka szpitali NHS przygotowuje się do stosowania testu krwi opartego na sztucznej inteligencji, który może zmniejszyć potrzebę inwazyjnych badań u kobiet podejrzaną o rak macicy. Test PinPoint Data Science, opracowany przez firmę z Leeds, używa uczenia maszynowego do oceny ryzyka raka na podstawie 30 markerów w krwi.
Każdego roku około 90 000 kobiet po menopauzie w Anglii jest skierowanych przez lekarzy rodzinnych na badania z powodu ciężkiego krwawienia. Z tego liczby około 10 000 kobiet zostaje diagnozowane z rakem macicy, a około 2 700 ginie z powodu tej choroby. Test PinPoint, opracowany przez Leeds-based PinPoint Data Science, jest projektem, który ma zmienić to obraz.
Test ten ocenia ryzyko raka na podstawie analizy ok. 30 markerów w krwi i klasyfikuje pacjentki jako niskiego, elewowanego lub wysokiego ryzyka. Koszt testu wynosi około £30 oraz daje lekarzom ocenę ryzyka do użycia w istniejących przewodnikach odnośnie raka. Wyniki mogą pomóc ustalić, czy pacjentka powinna być monitorowana, skierowana na dalsze badania lub prioritetyzowana do szybszej oceny.
W trakcie próby, która objęła 16 481 pacjentów skierowanych przez podejrzeniowe kanały raka w Yorkshire, PinPoint poprawnie identyfikował 99.1% przypadków raka jako ryzyko elewowane lub wysokie oraz dostarczał wartości przewidywań negatywnych (NPV) wynoszącej 99.8% dla grupy najniższego ryzyka.
Wnioski kluczowe
- Test krwi PinPoint używa uczenia maszynowego do klasyfikacji ryzyka raka macicy na podstawie analizy ok. 30 markerów w krwi
- W trakcie próby test poprawnie identyfikował 99,1% przypadków raka jako elewowane lub wysokie ryzyko
- Koszt testu wynosi około £30 i może zmniejszyć potrzebę inwazyjnych badań u kobiet podejrzaną o rak macicy
Efekt domina
Test PinPoint Data Science wprowadzony przez Mid Yorkshire NHS Teaching Trust i Leeds Teaching Hospitals NHS Trust może zmniejszyć liczbę inwazyjnych badań u kobiet podejrzaną o rak macicy, jednocześnie poprawiając efektywność diagnozy. To zmienia sposób, w jaki lekarze podejmują decyzje dotyczące dalszych kroków w diagnostyce raka macicy.
Powiązane
Obserwowalność w wieloagentowych systemach — klucz do efektywnego debugowania
Obserwowalność w wieloagentowych systemach to technika, która pozwala na monitorowanie stanów wewnętrznych, dzienników komunikacji oraz ścieżek decyzji interakcjonistycznych agentów AI. Ta technologia umożliwia architektorom oprogramowania identyfikację zatorów i poprawę wydajności.
Czy AI zmienia sposób, w jaki czytamy artykuły techniczne?
Narzędzia oparte na sztucznej inteligencji redefiniują nawyki czytelnicze w branży technologicznej, zmieniając sposób, w jaki odbiorcy przyswajają treści.
NVIDIA uruchamia Nemotron-Labs-3-Puzzle-75B-A9B — 2.03 razy wydajniejsze rozwiazanie
NVIDIA przedstawił nowy model Nemotron-Labs-3-Puzzle-75B-A9B, który znacząco poprawia wydajność serwera bez utracenia jakości interakcji z użytkownikami. Ten kompresowany hybrydowy model MoE (Mixture of Experts) jest obecnie jednym z najbardziej innowacyjnych rozwiązań w dziedzinie sztucznej inteligencji.
Lift od Datalab: Jak nowoczesny ekstraktor dokumentów zmienia grę w JSON?
Datalab zaprezentował nową technologię — Lift, która zdolna jest konwertować PDFy i obrazy bezpośrednio na JSON, odpowiadając na podane przez użytkownika schematy JSON. Podczas gdy większość narzędzi AI odnotowała sukces w parsowaniu dokumentów lub ekstrakcji danych, Lift skupia się na jednym etapie procesu, co może znacznie zmienić sposób przetwarzania dokumentów.