Naukowcy przeprowadzili systematyczną analizę literatury, aby zbadać, jak sztuczna inteligencja i deep learning mogą wspomóc wczesną diagnostykę raka płuca poprzez analizę obrazów medycznych. Przegląd obejmował 96 artykułów z baz takich jak PubMed, IEEE Xplore, Scopus i Web of Science, publikowanych od 2015 roku do chwili obecnej. Wyniki pokazują, że sieci neuronowe splotowe (CNN) wyposażone w transfer learning i data augmentation stanowią obiecujące podejście do automatyzacji interpretacji obrazów radiologicznych i znacznie poprawiają dokładność diagnostyki.
Rak płuca pozostaje jedną z głównych przyczyn zgonów na świecie, a jego wczesne rozpoznanie jest kluczowe dla poprawy rokowania i jakości życia pacjentów. Tradycyjna interpretacja obrazów medycznych wymaga doświadczonych specjalistów i jest procesem czasochłonnym i podatnym na błędy człowieka. Dlatego właśnie zastosowanie algorytmów AI do tego obszaru ma ogromny potencjał kliniczny.
Jednak badanie wskazuje na wiele wyzwań, które muszą być rozwiązane przed szerokim wdrożeniem tych technologii w praktyce medycznej. Kluczowe problemy to brak standaryzowanych zestawów danych do trenowania modeli, trudności z wyjaśnialnością decyzji podejmowanych przez sieci neuronowe, ochrona prywatności pacjentów oraz kompleksowe kwestie etyczne związane z automatyzacją diagnozy medycznej.