Nové pokroky v oblasti AI pro klinické použití

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

AI v klinickém prostředí

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

Systémy však nejsou dokonalé. Jedním z problémů je, že AI nedemonstruje, jak analyzuje obrázky a dochází k diagnóze. Dalším problémem je, že nedělají nic dalšího, což znamená, že se zastaví, jakmile dosáhnou konkrétní diagnózy. To může vést k tomu, že systém přehlédne některé abnormality, i když je diagnóza správná.

V tomto scénáři je lidský lékař lepší v pozorování pacienta, rentgenového snímku nebo jiných obrazů celkově.

Pokroky v AI

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

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

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

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

Aby AI systém ignoroval již zjištěné abnormality, digitálně je naplní zdravou tkání z okolí abnormalit. Diagnóza je pak provedena na základě všech hodnocení zařazených dohromady.

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 na základě abnormalit, a největší pokrok spočívá v nové transparentnosti, kterou může prokázat během tohoto procesu. Tato transparentnost umožní další korekce a pokroky, s konečným cílem vytvořit systém AI, který by mohl diagnostikovat problémy mnohem přesněji a rychleji než nejlepší lidský odborník v oboru. To vše může vést k více důvěryhodnému systému, což by mohlo vyústit ve širší přijetí v rámci oboru.