A IBM e a Sage Bionetworks anunciaram que os vencedores da primeira fase do seu DREAM Digital Mammography (DM) Challenge desenvolveram algoritmos que apresentaram 5% menos erros falso-positivos no câncer de mama Exames do que os métodos computadorizados de última geração publicados recentemente. Essa melhoria de 5% poderia levar a menos ansiedade e procedimentos desnecessários para cerca de dois milhões de mulheres por ano nos Estados Unidos e poderia ajudar a reduzir os custos associados aos exames de acompanhamento e biópsias.
Mais de 120 equipes independentes de especialistas em dados dentro e fora do campo de imagens médicas participaram do desafio, que se concentrou no desenvolvimento de algoritmos preditivos que reduzem os mamogramas falsos positivos, mantendo ou melhorando a detecção de câncer. O objetivo é melhorar a precisão preditiva dos algoritmos para que eles possam ser usados na prática clínica de rotina.
Na primeira fase do desafio, os participantes completaram duas tarefas: desenvolveram um algoritmo preditivo que pode analisar imagens de mamografia digital, e desenvolveu um algoritmo preditivo que pode analisar imagens de mamografia digital e informações clínicas.
Equipes vencedoras
Yaroslav Nikulin, engenheiro da empresa francesa de imagens Therapixel, e sua equipe receberam as principais honras por seu trabalho na primeira tarefa e empataram o primeiro lugar na segunda tarefa. Na primeira tarefa, eles desenvolveram um algoritmo com uma precisão preditiva de 80,3 por cento, o que é 5% mais preciso do que o subcampeão. Na segunda tarefa, Nikulin e sua equipe desenvolveram um algoritmo que era 80.4 por cento exato.
A segunda vencedora foi uma equipe liderada por Yuanfang Guan, professor Assistente do Departamento de Medicina Computacional e Bioinformática da Universidade de Michigan.. O grupo desenvolveu um algoritmo com uma precisão preditiva de 77,5 por cento e superou o subcampeão em mais de 2 por cento. Embora a diferença de precisão entre as equipes de Guan e Nikulin tenha sido de 2,9 por cento, seu desempenho foi indistinguível nas outras métricas usadas para marcar os algoritmos. Ambas as equipes vencedoras usaram “Deep Learning”, uma das mais avançadas técnicas de inteligência artificial capazes de analisar e interpretar imagens.
