دکتر ویچونگ وانگ، نویسنده ارشد این مطالعه، استاد دانشگاه ملی تایوان گفت: به نظر می‌رسد عملکرد ابزار یادگیری عمیق با رادیولوژیست‌ها برابری می‌کند. به طور خاص در این مطالعه، حساسیت ابزار تشخیص عمیق به کمک کامپیوتر برای سرطان لوزالمعده با رادیولوژیست‌ها در یک مرکز ارجاع عالی بدون توجه به اندازه و مرحله تومور قابل مقایسه بود.
محققان در تایوان در حال مطالعه یک ابزار تشخیص به کمک رایانه (CAD) هستند که از نوعی هوش مصنوعی به نام یادگیری عمیق برای تشخیص سرطان پانکراس استفاده می‌کند. آن‌ها قبلا نشان داده بودند این ابزار می‌تواند به طور دقیق سرطان پانکراس را از پانکراس غیرسرطانی تشخیص دهد، با این حال، آن مطالعه بر روی رادیولوژیست‌ها تکیه داشت که به صورت دستی لوزالمعده را در تصویربرداری شناسایی می‌کردند، یک فرآیند پر زحمت که به عنوان قطعه بندی شناخته می‌شود.
اعتبار سنجی با مجموعه‌ای از ۱۴۷۳ آزمون CT فردی از موسسات سراسر تایوان دنبال شد. این ابزار به ۹۰ درصد حساسیت و ۹۳ درصد ویژگی در تشخیص سرطان پانکراس از گروه کنترل دست یافت. حساسیت برای تشخیص سرطان پانکراس کمتر از ۲ سانتی متر ۷۵ درصد بود.
محققان در حال برنامه ریزی مطالعات بیشتر هستند، به ویژه آن‌ها می‌خواهند به عملکرد ابزار در جمعیت‌های متنوع‌تر نگاه کنند. از آنجایی که مطالعه فعلی گذشته‌نگر بود، آن‌ها می‌خواهند ببینند که چگونه در شرایط بالینی در دنیای واقعی عمل می‌کند.
محققان این ابزار را با یک مجموعه آزمایش داخلی متشکل از ۵۴۶ بیمار مبتلا به سرطان لوزالمعده و ۷۳۳ شرکت کننده کنترل توسعه دادند. این ابزار به ۹۰ درصد حساسیت و ۹۶ درصد ویژگی در مجموعه تست داخلی دست یافت.
در مطالعه جدید، ابزار هوش مصنوعی پانکراس را به طور خودکار شناسایی کرد. این پیشرفت از آن جهت مهم است که پانکراس با اندام‌ها و ساختار‌های متعدد هم مرز بوده و از نظر شکل و اندازه بسیار متفاوت است.
دکتر وانگ گفت ابزار CAD پتانسیل ارائه انبوهی از اطلاعات را برای کمک به پزشکان دارد. این می‌تواند منطقه مشکوک به تفسیر رادیولوژیست سرعت را نشان دهد.