IASST开发了基于人工智能的计算机诊断框架

古瓦哈提高级科学技术研究院(IASST)的科学家已经开发出一种基于人工智能(AI)的算法，以帮助快速诊断和预测口腔鳞状细胞癌。

由Lipi B Mahanta博士领导的IASST中央计算和数字科学部研究小组开发的框架也将有助于对口腔鳞状细胞癌进行分级。

科学家通过合作开发了一个本地数据集，以确保该研究没有任何基准口腔癌数据集。

探索不同的最先进的AI技术并使用他们提出的方法，科学家在口腔癌分级中获得了空前的准确性。

该研究是通过使用预训练的深度卷积神经网络(CNN)进行迁移学习来应用两种方法进行的。

选择了四个候选的预训练模型，即Alexnet，VGG-16，VGG-19和Resnet-50，以找到最适合分类问题的模型，并开发了一个拟议的CNN模型来解决该问题。

尽管Resnet-50模型实现了92.15%的最高分类准确度，但实验结果表明，所提出的CNN模型优于转移学习方法，显示出97.5%的准确度。

这项工作已发表在《神经网络》杂志上。

到目前为止，该小组已准备好将算法转换为合适的软件，以继续进行现场试验。

考虑到医疗保健和IT部门之间的持续鸿沟，这是该小组准备应对的下一个挑战。

Mahanta博士渴望获得所有高级基础设施支持来应对这些挑战，并认为该软件需要在医院中进行积极测试，以使其真正可靠，更准确和实时。

男性中约有16.1%的女性患有癌症，女性中约10.4%的女性患有口腔癌，印度东北部的情况更加令人担忧。

由于槟榔和烟草的大量食用，与其他癌症相比，口腔癌也具有较高的复发率。

该癌症组的特点是上皮鳞状组织分化和侵袭性肿瘤生长，破坏了脸颊内侧区域的基底膜，因此可以由Broder的组织病理学系统分级为高分化SCC(WDSCC)，中分化SCC(MDSCC)和差差异化SCC(PDSCC)。

突出肿瘤生长的细胞形态学显示出非常细微的组织学差异，将这三类分开，人眼很难捕获。

由于其高度相似的组织学特征(即使病理学家也难以对其进行分类)，它仍然难以捉摸。

人工智能深度学习的到来在数字图像分析方面具有非凡的前景，可作为癌症诊断的计算辅助，从而为癌症患者的及时有效的预后和多模式治疗方案提供帮助，并减少癌症患者的手术工作量。病理学家，同时加强对疾病的管理。