Uudet edistysaskeleet tekoälyssä kliinisen käytön osalla

Radboudumc:n tutkijat ovat edistäneet tekoälyä (AI) kliinisen käytön alalla osoittamalla, miten AI voi diagnosoida ongelmia samalla tavalla kuin lääkäri, ja myös osoittamalla, miten se saavuttaa diagnoosin. AI on jo nyt osa tässä ympäristössä, ja sitä käytetään nopeasti havaitsemaan poikkeavuuksia, jotka voivat olla tautia asiantuntijoiden mukaan. Tekoäly on jo ennestään käytössä lääketieteellisen kuvantamisen diagnostiikassa. Mitä perinteisesti tehtiin lääkärin toimesta tutkimalla röntgenkuva tai biopsiaa, voidaan nyt tehdä tekoälyllä. Syvän oppimisen avulla nämä järjestelmät voivat diagnosoida itse, usein yhtä tarkasti tai jopa tarkemmin kuin ihmislääkärit.

Järjestelmät eivät kuitenkaan ole täydellisiä. Yksi ongelmista on, että tekoäly ei osoita, miten se analysoi kuvia ja saavuttaa diagnoosin. Toinen ongelma on, että ne eivät tee mitään ylimääräistä, eli ne lopettavat toimintansa, kun ne ovat saavuttaneet tietyn diagnoosin. Tämä voi johtaa siihen, että järjestelmä jättää huomioimatta joitain poikkeavuuksia, vaikka diagnoosi on oikein.

Tässä tilanteessa ihmislääkäri on parempi havainnoimaan potilasta, röntgenkuvaa tai muita kuvia yleisesti.

Edistysaskeleet tekoälyssä

Nämä ongelmat tekoälyssä kliinisen käytön osalla ovat nyt ratkaistavissa tutkijoiden toimesta. Christina González Gonzalo on tohtorikoulutettava Radboudumc:n A-eye Research and Diagnostic Image Analysis Group -tutkimusryhmässä.

González Gonzalo on kehittänyt uuden menetelmän diagnostiseen tekoälyyn käyttämällä silmän tarkastelua, jossa havaittiin verkkokalvon poikkeavuuksia. Nämä poikkeavuudet voidaan helposti havaita sekä ihmislääkäreiden että tekoälyn toimesta, ja ne usein esiintyvät ryhmissä.

Tekoälyjärjestelmässä diagnoosi tehdään yhden tai useamman poikkeavuuden perusteella, ja sitten se lopettaa toimintansa, mikä osoittaa yhden tekoälyn käytön haittoja. Tätä varten González Gonzalo on kehittänyt prosessin, jossa tekoäly tarkastelee kuvaa useita kertoja. Kun se tekee niin, se oppii jättämään huomioimatta ne kohdat, joita se on jo tarkastanut, mikä mahdollistaa uusien poikkeavuuksien havaitsemisen. Lisäksi tekoäly korostaa epäilyttäviä alueita, mikä tekee koko diagnostisen prosessin ihmisten havainnoille avoimemmaksi.

Tämä uusi menetelmä poikkeaa perinteisistä tekoälyjärjestelmistä, jotka perustuvat yhteen silmän tarkasteluun. Nyt tutkijat voivat nähdä, miten uusi tekoälyjärjestelmä saavutti diagnoosinsa.

Jotta tekoäly voisi jättää huomioimatta jo havaitut poikkeavuudet, se digitaalisesti täyttää ne terveellä kudoksella poikkeavuuksien ympäriltä. Diagnoosi tehdään kaikkien arviointikierrosten perusteella.

Tutkimus osoitti, että tämä uusi järjestelmä paransi diabeteksen verkkokalvon taudin ja ikään liittyvän makula-degeneraation havaitsemisen herkkyyttä 11,2 +/- 2,0 prosentilla.

Tämä uusi järjestelmä voi todella muuttaa sitä, miten tekoälyä käytetään sairauksien diagnostiikassa poikkeavuuksien perusteella, ja suurin edistysaskel on uusi avoimuus, jonka se voi osoittaa prosessin aikana. Tämä avoimuus on se, mikä mahdollistaa tulevat korjaukset ja edistysaskeleet, ja lopullinen tavoite on tekoälyjärjestelmä, joka voi diagnosoida ongelmat tarkemmin ja nopeammin kuin parhaat asiantuntijat alalla. Kaikki tämä voi myös johtaa luotettavampaan järjestelmään, mikä voi johtaa sen laajamittaiseen käyttöön laajemmassa kentässä.