Duvor Är Faktiskt Ganska Bra På Att Identifiera Elakartad Cancer

0
180

Levenson et al.

Duvorna’ utbildning miljö bestod av en luftkonditionering kammare med ett livsmedel pellets dispenser, och en touch-känslig skärm.

Diagnostisera cancer kan vara en utmanande uppgift. Ofta, patologer måste snabbt avgöra om en mikroskopisk grupp av celler ser ut elakartad eller godartad, eller om en liten klump sett på en mammografi är misstänkt. Av denna anledning, patologer gå igenom fyra år och mer av medicinsk skola och utbildning. Men det visar sig att duvor kan en dag kunna hjälpa till.

Forskare vid University of California, Davis och University of Iowa ville förstå hur patologer kan förfina sina cancer-identifiering av kompetens över tid, och vilka är de viktigaste funktioner och egenskaper som hjälper dem att göra en korrekt diagnos. För att räkna ut det, forskare utbildade duvor för att skilja mellan friska och malign vävnad, eftersom människor och duvor delar många av samma visuella system. Och duvorna var förvånansvärt bra på det, enligt en studie som publiceras idag i tidskriften PLOS One.

Under experimentet, har forskarna visat varje duva en uppsättning mikroskopiska bilder av bröst vävnad. Efter att stirra på bilden, duvan skulle då valde antingen gula eller blå-färgade knapp som motsvarar antingen cancerogena eller icke-cancerogena. Om pigeon svarade rätt, det var belönad med en välsmakande behandla. Varje duva hade en 15-minuter långa sessioner och i slutet, de svarade rätt på ca 85 procent av tiden. Mänskliga patologer är upp till 97 procent korrekt för mer en svår identifiering uppgift där de visades hela bilder istället för bara små områden av intresse.

I en annan uppgift, som duvor ombads att upptäcka cancer bröst massorna på mammografi, duvorna bara kunna memorera det rätta svaret-de kunde inte titta på en ny bild och avgöra om den mässan var cancer eller en godartad. Detta är en utmanande uppgift även för en grupp av patologer som (som en del av studien), visas samma massorna, och bara var exakt 80 procent av tiden.

Medan duvor ” resultaten är imponerande, de är fortfarande inte lika exakt som de av en utbildad patolog. Så, duvor kommer inte att bli nybliven läkare när som helst snart, men de kan hjälpa forskarna att förstå hur patologer få bättre övertid. Forskarna fann att medan färger och ljusstyrka för bilder hade liten effekt på riktigheten av diagnos (forskarna observera att detta är logiskt eftersom de flesta patologi läroböcker har fram tills nyligen varit i gråskala), fann de att fåglar påverkas av hur mycket bilden hade blivit komprimerad. Vid första, deras noggrannhet var värre med mycket komprimerade bilder, men, övertid, att de kunde anpassa sig till den kompressibilitet och deras resultat blev mer exakt. Som forskare observera att detta korrelerar med hur patologer lära övertid: “Människor kan också lära sig att strunta i komprimeringsartefakter och vant sig vid att mindre-än-perfekt visuella bilder.”

Så genom att räkna ut vad duvor titta på för att göra sin diagnos, som kan göra det möjligt för forskare att träna patologer och datorsystem på ett bättre och mer strategiskt sätt.