PL EN
Wydawnictwo
AWSGE
Akademia Nauk Stosowanych
WSGE
im. Alcide De Gasperi
ROZDZIAŁ KSIĄŻKI (528-543)
Sztuczna inteligencja w służbie walki z rakiem piersi na podstawie projektu Alcid
 
Więcej
Ukryj
1
Akademia Nauk Stosowanych WSGE im. A. De Gasperi w Józefowie
 
 
SŁOWA KLUCZOWE
STRESZCZENIE
Struktury i działania społeczeństwa cyfrowego z roku na roku obejmują coraz szerzej różne obszary ludzkiej aktywności. Dynamiczny rozwój metod sztucznej inteligencji (AI) dodatkowo przyspieszył te przemiany. Jedną z dyscyplin, która wykorzystuje pojawiające się szanse na innowacyjne dokonania jest medycyna cyfrowa. Obecne jej wykorzystanie wykracza o wiele dalej niż cyfrowe rejestracje, systemy elektronicznego archiwizowania dokumentacji medycznej pacjenta, teleporady, czy monitorowanie stanu zdrowia. AI wykorzystana w diagnostyce może radykalnie odciążyć system ochrony zdrowia oraz zmniejszyć śmiertelność pacjentów onkologicznych, w tym szczególnie chorujących na raka piersi. Artykuł analizuje zastosowanie AI do analizy obrazów histopatologicznych. Rozważa także, czy zastosowanie zintegrowanego systemu o nazwie „Mamut” opracowanego przez przedsiębiorstwo Alcid Sp. z o.o. w Polsce w latach 2022–2025 w ramach projektu INFOSTRATEG-I/0041/2021 ma szansę przełożyć się zmniejszenie liczby zgonów wśród młodych i w średnim wieku kobiet w Polsce. Badanie tego zagadnienia zostało dokonane m. in. w oparciu o literaturę tematyczną w zakresie medycyny i statystyki onkologicznej oraz na podstawie raportów z prac badawczych prowadzonych przez tę spółkę, a dotyczących opracowania narzędzia bioinformatycznego automatyzującego diagnozę raka piersi. Omówienie tematu może stanowić podstawę dla dalszych prac prowadzonych na styku szerokorozumianej ochrony zdrowia, technologii wykorzystywanych w patologii cyfrowej i relacji instytucjonalnej lekarz-system AI-pacjent.
 
REFERENCJE (16)
1.
Gośliński, J. (2024). Niska zgłaszalność na badania mammograficzne, 28.09., Zwrotnik Raka.pl, Portal Onkologiczny. Dostęp 2.04.2025 z https://www.zwrotnikraka.pl/ni....
 
2.
Jędrzejczyk, T., Wrona, A., Owoc, A., Dziatkowiak, H., Kędra, E., Biskup, M. (2019). Inequalities in breast cancer incidence and stage distribution between urban and rural female population in Świętokrzyskie Province, w: Instytut Medycyny Wsi, Annals of Agricultural and Environmental Medicie, nr 1, vol. 26, ss. 159–164. Dostęp 12.02.2025 z https://www.aaem.pl/Inequaliti....
 
3.
KRN (2022) Krajowy Rejestr Nowotworów. Nowotwory złośliwe piersi u kobiet – Polska 2022. Dostęp 12.02.2025 z https://onkologia.org.pl/pl/ep....
 
4.
Litjens, G. i in. (2017). A survey on deep learning in medical image analysis, w: Medical Image Analysis, nr 42, ss. 60–88.
 
5.
MIDOG (2022). Mitosis Domain Generalization Challenge. Dostęp 02.04.2025 z https://midog2022.grand-challe....
 
6.
OECD (2025) European Observatory on Health Systems and Policies. Poland: Country Cancer Profile. Dostęp 12.05.2025 z https://www.oecd.org/publicati....
 
7.
Pawlak, M. (2024). Rak piersi – charakterystyka, przyczyny i profilaktyka w pigułce, Szpital Medikor. Dostęp 07.03.2025 z https://szpital.medikor.pl/blo....
 
8.
Raport z realizacji projektu INFOSTRATEG-I/0041/2021-00, Faza I (2022) Alcid Sp. z o.o.
 
9.
Raport z realizacji projektu INFOSTRATEG-I/0041/2021-00, Faza II. (2024) Alcid Sp. z o.o.
 
10.
Raport z realizacji projektu INFOSTRATEG-I/0041/2021-00, Faza III (2025) Alcid Sp. z o.o.
 
11.
Rawat, W. i in. (2021). Deep learning for histopathological image analysis: Recent trends and future directions, w: Computers in Biology and Medicine, Nr 128.
 
12.
Steiner, D. F. i in. (2018). Impact of deep learning assistance on the histopathologic review of lymph nodes for metastatic breast cancer, w: American Journal of Surgical Pathology, Nr 42(12), ss. 1636–1646.
 
13.
Sung, H. i in. (2021). Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide. CA Cancer J Clin, Nr 71(3), ss. 209–249.
 
14.
Wang, X. i in. (2019). Breast cancer histopathological image classification using deep neural networks, w: Computers in Biology and Medicine, Nr 123.
 
15.
WHO (2019). Classification of Breast Tumours, 5th edition. World Health Organization.
 
16.
WHO (2024). Breast cancer. Fact sheet, 2023. World Health Organization. 13 March. Dostęp 12.02.2025 z https://www.who.int/news-room/....
 
Journals System - logo
Scroll to top