Forskere gennemfører gennemgang af AI’s evne til at behandle hjernesygdomme

Italienske forskere har gennemført en systematisk litteraturgennemgang, der er offentliggjort denne måned i APL Bioengineering, udgivet af AIP Publishing. Formålet med gennemgangen var at udvikle en bedre forståelse af kunstig intelligens (AI) og dens evne til at blive brugt som behandling af hjernesygdom. Efter at have samlet 2.696 forskellige resultater, koncentrerede forskerne sig om de 154 mest citerede artikler.

AI kan bearbejde enorme mængder data og kan gøre det meget hurtigt. Dette, sammen med forskellige tilgange som maskinlæring, computerseende og neurale netværk, hjælper med at skabe en miljø, hvor AI-teknologi er et effektivt værktøj mod mange af verdens største sundhedsproblemer.

Der er dog mange udfordringer omkring teknologien og dens anvendelse inden for disse områder, særligt inden for diagnose, kirurgisk behandling og overvågning af hjernesygdom. Den nye studie kunne hjælpe med at udvikle nye metoder, der konstant skyder feltet fremad.

Gennemgangen

En af de vigtigste punkter i gennemgangen var brugen af et generativt adversarialt netværk til at syntetisk udvikle en ældre hjernel. Dette tillod eksperterne at studere sygdommens udvikling over tid.

Alice Segato var forfatteren til artiklen om gennemgangen.

“Brugen af kunstige teknikker er langsomt med til at bringe effektive teoretiske løsninger til en stor mængde kliniske problemer relateret til hjernen,” sagde Segato. “Især i de seneste år, takket være opbygningen af relevante data og udviklingen af stadig mere effektive algoritmer, har det været muligt at øge forståelsen af komplekse hjernemekanismer betydeligt.”

Studiet var fokuseret på nogle af de vigtigste områder inden for hjernecare, såsom undersøgelse af AI-metoder, der er ansvarlige for at bearbejde information om struktur- og tilknytningskarakteristika af hjernen, samt vurdering af kirurgiske kandidater. De andre omfattede billeddata til studier af hjernesyge, identificering af problemer og problemområder, forudsigelse af sygdom og resultater, og intraoperative assistance.

Nogle af de billeddata, der bruges til at studere hjernesyge, omfatter 3D-data som magnetresonansbilleddannelse, diffusions-tensor-billeddannelse, positronemissionstomografi og computertomografi. Computervision AI-teknik kan bruges til at analysere alle disse typer billeddata.

“Forklarelige algoritmer”

I den offentliggjorte studie forkaster forskerne “forklarelige algoritmer”. Dette betyder tydeligt detaljerede vejledninger til løsninger, i stedet for den meget vagt “sorte boks”, der ofte bruges.

“Hvis mennesker skal acceptere algoritme-præskriptioner eller diagnose, skal de stole på dem,” sagde Segato. “Forskeres indsats fører til skabelsen af stadig mere sofistikerede og fortolkelige algoritmer, der kunne favorisere en mere intensiv brug af ‘intelligente’ teknologier i praktiske kliniske sammenhænge.”

Denne forkastelse kommer også på et tidspunkt, hvor internationale forskere kræver mere gennemsigtighed i AI-forskning. Gruppen af forskere omfattede medlemmer fra top-institutioner som Princess Margaret Cancer Centre, University of Toronto, Stanford University, Johns Hopkins, Harvard School of Public Health og Massachusetts Institute of Technology (MIT). Ifølge forskerne kunne mere gennemsigtige resultater og metoder hjælpe med at føre til bedre kræftbehandling baseret på forskningen.