Výzkumníci provedli přehled schopnosti umělé inteligence léčit mozková onemocnění

Italští výzkumníci dokončili systematický přehled literatury, který byl tento měsíc zveřejněn vAPL Bioengineering, vydaném AIP Publishing. Cílem přehledu bylo rozvinout lepší porozumění umělé inteligenci (AI) a její schopnosti být použita jako léčba mozkových onemocnění. Po shromáždění 2 696 různých výsledků se výzkumníci zaměřili na top 154 nejčastěji citovaných článků.

Umělá inteligence je schopna zpracovat obrovské množství dat a může tak učinit velmi rychle. To, spolu s různými přístupy, jako je strojové učení, počítačové vidění a neuronové sítě, pomáhá vytvářet prostředí, ve kterém je technologie AI účinným nástrojem proti mnoha z největších zdravotních problémů světa.

Nicméně existuje mnoho výzev souvisejících s touto technologií a jejími použitími v těchto oblastech, zejména v diagnostice, chirurgickém ošetření a monitorování mozkových onemocnění. Nová studie může pomoci vyvinout nové metody, které neustále posouvají toto pole vpřed.

Přehled

Jednou z hlavních bodů přehledu bylo použití generativní adversativní sítě pro syntetické vytvoření stárnoucího mozku. To umožnilo odborníkům studovat průběh onemocnění v čase.

Alice Segato byla autorkou článku o přehledu.

„Používání umělých technik postupně přináší efektivní teoretická řešení mnoha skutečných klinických problémů souvisejících s mozkem,“ řekla Segato. „Zvláště v posledních letech, díky akumulaci relevantních dat a vývoji stále účinnějších algoritmů, bylo možné významně zvýšit porozumění složitým mozkovým mechanismům.“

Studie se zaměřila na několik hlavních oblastí mozkové péče, jako je zkoumání metod AI, které jsou odpovědné za zpracování informací o struktuře a propojení mozkových charakteristik, jakož i hodnocení kandidátů na chirurgické zákroky. Dalšími oblastmi byly obrazová data pro studium mozkových onemocnění, identifikace problémů a problémových oblastí, předpověď onemocnění a výsledků a intraoperační asistence.

Některá z obrazových dat, která se používají ke studiu mozkových onemocnění, zahrnují 3D data, jako je magnetická rezonance, difúzní tensorová zobrazování, pozitronová emisní tomografie a počítačová tomografie. Techniky počítačového vidění AI lze použít k analýze všech těchto typů obrazových dat.

„Vysvětlitelné algoritmy“

Ve zveřejněné studii výzkumníci prosazují „vysvětlitelné algoritmy“. To znamená jasně popsané cesty k řešení, místo velmi vágní „černé skříňky“, na kterou se často spoléhá.

„Pokud lidé mají přijmout algoritmické předpisy nebo diagnózy, musí jim důvěřovat,“ řekla Segato. „Úsilí výzkumníků vede k vytvoření stále sofistikovanějších a interpretovatelných algoritmů, které by mohly favorizovat intenzivnější použití ‚inteligentních‘ technologií v praktických klinických kontextech.“

Tato výzva také přichází v době, kdy mezinárodní vědci volají po větší transparentnosti ve výzkumu AI. Skupina vědců zahrnovala členy z předních institucí, jako je Princess Margaret Cancer Centre, University of Toronto, Stanford University, Johns Hopkins, Harvard School of Public Health a Massachusetts Institute of Technology (MIT). Podle vědců by transparentnější zjištění a metody mohly vést k lepšímu léčení rakoviny na základě výzkumu.