Nové pokroky v oblasti umělé inteligence pro klinické použití

Výzkumníci z Radboudumc pomáhali rozvíjet umělou inteligenci (AI) v klinickém prostředí poté, co prokázali, jak AI může diagnostikovat problémy podobně jako doktor, a také ukázali, jak k diagnóze dochází. AI již hraje roli v tomto prostředí, kde se využívá k rychlé detekci abnormalit, které by mohly být označeny jako nemoc odborníky.

Umělá inteligence v klinickém prostředí

Umělá inteligence se stále více využívá v diagnostice medicínského zobrazování. Co tradičně dělal doktor studiem rentgenového snímku nebo biopsie k identifikaci abnormalit, lze nyní dělat s AI. Díky využití hlubokého učení mohou tyto systémy diagnostikovat samy o sobě, často s podobnou nebo dokonce lepší přesností než lidský doktor.

Systémy však nejsou dokonalé. Jedním z problémů je, že AI nedemonstruje, jak analyzuje snímky a dochází k diagnóze. Další problém spočívá v tom, že nedělají nic dalšího, tzn. zastavují se, jakmile dosáhnou určité diagnózy. To může vést k tomu, že systém přehlédne některé abnormality, i když je diagnóza správná.

V tomto scénáři je lidský doktor lepší v pozorování pacienta, rentgenového snímku nebo jiných snímků obecně.

Pokroky v oblasti AI

Tyto problémy AI v klinickém prostředí jsou nyní řešeny výzkumníky. Christina González Gonzalo je doktorandkou ve skupině A-eye Research and Diagnostic Image Analysis Group na Radboudumc.

González Gonzalo vyvinula novou metodu pro diagnostickou AI pomocí skenů očí, které našly abnormality sítnice. Konkrétní abnormality lze snadno nalézt lidskými doktory i AI a často se vyskytují ve skupinách.

V případě AI systému by diagnostikoval jednu nebo několik abnormalit a zastavil se, čímž demonstruje jednu z nevýhod používání takového systému. Aby se tento problém vyřešil, González Gonzalo vyvinula proces, při kterém AI prochází snímek multiplekrát. Když tak činí, naučí se ignorovat místa, která již pokryla, což umožňuje objevit nová. Kromě toho AI také zvýrazňuje podezřelé oblasti, čímž činí celý diagnostický proces transparentnějším pro lidské pozorovatele.

Tato nová metoda se liší od tradičních AI systémů používaných v těchto prostředích, které své diagnózy založily na jediné evaluaci skenu očí. Nyní mohou výzkumníci vidět, jak nový AI systém dospěl k diagnóze.

Aby AI systém ignoroval již detekované abnormality, digitálně vyplňuje tyto abnormality zdravou tkání z okolí abnormalit. Diagnóza se poté provádí na základě všech evaluací.

Studie zjistila, že tento nový systém zlepšil citlivost detekce diabetické retinopatie a věkem podmíněné makulární degenerace o 11,2 +/- 2,0%.

Tento nový systém může skutečně změnit, jak se AI využívá při diagnostice nemocí založených na abnormalitách, a největší pokrok spočívá v nové transparentnosti, kterou může demonstrovat při tomto procesu. Tato transparentnost je tím, co umožní další budoucí korekce a pokroky, s konečným cílem vytvořit AI systém, který by mohl diagnostikovat problémy mnohem přesněji a rychleji než nejlepší lidský odborníci v oboru. To by mohlo vést k více důvěryhodnému systému, který by mohl být široce přijat v širším oboru. Všechny tyto skutečnosti mohou vést k více budoucím opravám a pokrokům, s konečným cílem vytvořit AI systém, který by mohl diagnostikovat problémy mnohem přesněji a rychleji než nejlepší lidský odborníci v oboru. To by mohlo vést k více důvěryhodnému systému, který by mohl být široce přijat v širším oboru.