Maskiner slår dermatologer i att ställa diagnosen hudcancer
Tyska forskare visar att artificiell intelligens är bättre än tränade hudläkare på att upptäcka hudcancer. Fynden presenteras i tidskriften Annals of Oncology.
Med hjälp av en så kallad maskin-inlärning, som används för att träna en dator, har forskare från Tyskland lyckats urskilja malignt melanom från ofarliga födelsemärken. Något som var möjligt då datorn lärde sig analysera övar 100 000 bilder på både farliga och ofarliga hudförändringar. Det rapporterar Vetenskapsradion.
Nordiskt webinar om lymfom - 28 november
Den 28 november bjuder Bonnier Healthcare in till ett nordiskt webinar med experter från Sverige, Norge och Danmark. En 90-minuters sändning inom lymfom med svenska, norska och danska experter som presenterar sina ämnen ur ett nordiskt perspektiv. Webinariet leds av Alexander Fosså.
Cancer Conference
Nordic Cancer Conference 2024
Den 7 oktober 2024 bjöd Bonnier Healthcare, tillsammans med Nordiska cancerunionens (NCU) medlemmar, in till Nordic Cancer Conference i Stockholm. Där samlades ledande experter, forskare och beslutsfattare från hela Norden för att ta itu med en av vår tids mest angelägna hälsoutmaningar: cancer.
Därefter lät forskarna jämföra maskinens prestation med 58 internationella hudläkare och resultatet var tydligt – maskinen presterade bättre än läkarna. Maskinen identifierade både fler fall av hudcancer samt feldiagnosticerade färre godartade förändringar, jämfört med hudläkarna.
Referens: H. A. Haenssle et al, 2018. Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Annals of Oncology 00: 1–7, 2018. Doi:10.1093/annonc/mdy166
Nordiskt webinar om lymfom - 28 november
Den 28 november bjuder Bonnier Healthcare in till ett nordiskt webinar med experter från Sverige, Norge och Danmark. En 90-minuters sändning inom lymfom med svenska, norska och danska experter som presenterar sina ämnen ur ett nordiskt perspektiv. Webinariet leds av Alexander Fosså.
- Vetenskapsradion - https://sverigesradio.se/sida/artikel.aspx?programid=406&artikel=6965434