Läkare kan snart få hjälp i kampen mot cancer tack vare University of Central Floridas Computer Vision Research Center.

Ingenjörer vid centret har lärt en dator hur man upptäcker små fläckar av lungcancer i datortomografi, som radiologer ofta har svårt att identifiera. Det artificiella intelligenssystemet är ungefär 95 procent korrekt, jämfört med 65 procent när det görs med mänskliga ögon, sa laget.

"Vi använde hjärnan som en modell för att skapa vårt system, sa Rodney LaLonde, doktorand och kapten för UCF:s hockeylag. "Vet du hur kopplingar mellan nervceller i hjärnan stärks under utveckling och lärande? Vi använde den ritningen, om du vill, för att hjälpa vårt system att förstå hur man letar efter mönster i CT-skanningarna och lära sig själv hur man hittar dessa små tumörer."

Tillvägagångssättet liknar de algoritmer som programvara för ansiktsigenkänning använder. Den skannar tusentals ansikten som letar efter ett visst mönster för att hitta dess matchning.

Ingenjörsassistent Ulas Bagci leder gruppen av forskare i centret som fokuserar på AI med potentiella medicinska tillämpningar.

Gruppen matade mer än 1, 000 CT-skanningar – tillhandahållna av National Institutes of Health genom ett samarbete med Mayo Clinic – in i programvaran de utvecklade för att hjälpa datorn att lära sig att leta efter tumörerna.

Forskarstuderande som arbetade med projektet var tvungna att lära datorn olika saker för att hjälpa den att lära sig ordentligt. Naji Khosravan, som tar sin doktorsexamen, skapade ryggraden i inlärningssystemet. Hans kunskaper i nya maskininlärnings- och datorseendealgoritmer ledde till att hans sommar som praktikant på Netflix hjälpte företaget med olika projekt.

LaLonde lärde datorn hur man ignorerar annan vävnad, nerver och andra massor som den stötte på vid datortomografi och analysera lungvävnader. Sarfaraz Hussein som tog sin doktorsexamen i somras, finjusterar AI:s förmåga att identifiera cancerösa kontra godartade tumörer, medan doktoranden Harish Ravi Parkash tar lärdomar från detta projekt och tillämpar dem, se om ett annat AI-system kan utvecklas för att hjälpa till att identifiera eller förutsäga hjärnsjukdomar.

"Jag tror att det här kommer att ha en mycket stor inverkan, ", sa Bagci. "Lungcancer är cancermördaren nummer ett i USA och om den upptäcks i sena stadier, överlevnaden är bara 17 procent. Genom att hitta sätt att hjälpa till att identifiera tidigare, Jag tror att vi kan hjälpa till att öka överlevnaden."

Teamet kommer att presentera sitt resultat i september vid den största ledande konferensen för medicinsk bildforskning – MICCAI 2018-konferensen i Spanien. Teamets arbete har publicerats inför konferensen.

Nästa steg är att flytta forskningsprojektet till en sjukhusmiljö; Bagci letar efter partners för att få det att hända. Efter det, tekniken kan vara ett eller två år bort från marknaden, sa Bagci.

"Jag tror att vi alla kom hit för att vi ville använda vår passion för teknik för att göra skillnad och att rädda liv är en stor inverkan, " sa LaLonde.

Ravi Prakash håller med. Han studerade teknik och dess tillämpningar inom jordbruket innan han hörde talas om Bagci och hans arbete på UCF. Bagcis forskning är inom området biomedicinsk avbildning och maskininlärning och deras tillämpningar inom klinisk avbildning. Tidigare, Bagci var en stabsforskare och labbchef vid NIH:s Center for Infectious Disease Imaging-labb, vid avdelningen för radiologi och bildvetenskap.