Wirtualny radiolog. Sztuczna inteligencja nauczyła się identyfikować różne uszkodzenia mózgu 18.05.2020

Sukces naukowców z Cambridge i londyńskiego Imperial College usprawni analizę wyników badań tomografem komputerowym. 

Stale rozwijająca się sztuczna inteligencja znajduje coraz więcej zastosowań w medycynie. Niedawno pisaliśmy na łamach Papaya.Rocks o tym, że algorytm oparty na mechanizmie deep learning doprowadził do identyfikacji halicyny – molekuły mającej właściwości silnego antybiotyku. AI zaczyna być także wykorzystywana w radiologii: programy oparte na jej mechanice, które przyswoją potężną liczbę danych w stosunkowo niewielkim czasie, mogą skuteczniej analizować wyniki pacjentów. Naukowcy z uniwersytetu w Stanfordzie udowodnili tę tezę na przykładzie osób chorujących na zapalenie płuc. Okazało się, że odsetek poprawnie postawionych przez sztuczną inteligencję diagnoz (tzw. współczynnik AI) był wyższy niż w przypadku doświadczonych lekarzy. 

Kolejnym kamieniem milowym w szukaniu związków medycyny i AI zdają się wyniki eksperymentów naukowców z uniwersytetu w Cambridge i londyńskiego Imperial College. Przedmiotem ich badań były obrazy tomografii komputerowej osób, u których stwierdzono urazy mózgu. – Takie uszkodzenia to poważne problemy zdrowotne ludzi na całym świecie. Opracowane przez nas rozwiązanie udowodniło, że możemy zautomatyzować diagnozy tego typu obrażeń, żeby usprawnić ich leczenie w przyszłości – tłumaczy jeden z członków zespołu, Miguel Monteiro. – Na razie działamy czysto teoretycznie, ale gdy dostatecznie udowodnimy skuteczność działania programu, możliwe będzie jego zaimplementowanie w miejscach, gdzie pracuje mniej radiologów – dodaje. 

Jak działa algorytm Anglików? Podobnie jak w przypadku innych narzędzi wykorzystujących uczenie maszynowe, tak i on otrzymał do analizy multum informacji. Było to ponad sześćset różnych skanów mózgu, które różniły się wielkością albo typem uszkodzeń. Okazało się, że sztuczna inteligencja potrafiła mechanicznie ocenić, czy dany obraz zawiera jakiekolwiek nieprawidłowości. Sukces naukowców otwiera drogę do dalszych rozważań, w szczególności tych przypadków, gdzie urazy są niewidoczne gołym okiem i mogą zostać nieumyślnie pominięte przez radiologa. – Rezultat tych prac to doskonały przykład tego, jak realny wpływ na rozwój medycyny ma połączenie inżynierii i badań klinicznych – podsumowuje dr Ben Glocker z Imperial's Department of Computing. Ze szczegółowym omówieniem eksperymentów można zapoznać się w periodyku „The Lancet Digital Health”.