התקדמויות חדשות בבינה מלאכותית לשימוש קליני

חוקרים מ-Radboudumc סייעו לקדם את הבינה המלאכותית (AI) בסביבה קלינית לאחר הדגמה של איך AI יכול לאבחן בעיות דומות לרופא, וכן הראה כיצד היא מגיעה לאבחנה. AI כבר ממלאת תפקיד בסביבה זו, ומשמשת לגילוי מהיר של חריגות שיכולות להיחשב כמחלה על ידי מומחים.

AI בסביבה קלינית

בינה מלאכותית משמשת באופן הולך וגובר באבחון דימות רפואי. מה שנעשה במסורת על ידי רופא שבוחן צילום רנטגן או ביופסיה כדי לזהות חריגות, יכול להיעשות כעת עם AI. דרך שימוש בלמידה עמוקה, מערכות אלה יכולות לאבחן בעצמן, לעיתים קרובות באותה דיוק או אפילו טוב יותר מרופאים אנושיים.

המערכות אינן מושלמות, עם זאת. אחד הבעיות הוא ש-AI אינה מדגימה כיצד היא מנתחת את התמונות ומגיעה לאבחנה. בעיה נוספת היא שהן אינן עושות דברים נוספים, מה שאומר שהן מפסיקות כאשר הן מגיעות לאבחנה מסוימת. זה יכול לגרום למערכת להחמיץ חריגות אפילו כאשר יש אבחנה נכונה.

במצב זה, הרופא האנושי טוב יותר בצפייה בחולה, צילום רנטגן או תמונות אחרות בכלל.

התקדמויות ב-AI

בעיות אלו של AI בסביבה הקלינית נפתרות כעת על ידי חוקרים. כריסטינה גונסאלס גונסאלו היא מועמדת לדוקטורט בקבוצת A-eye Research and Diagnostic Image Analysis Group של Radboudumc.

גונסאלו פיתחה שיטה חדשה ל-AI האבחנתית על ידי שימוש בסריקות עיניים שמצאו חריגות ברשתית. החריגות הספציפיות יכולות להימצא בקלות על ידי רופאים אנושיים ו-AI, והן מצויות לעיתים קרובות בקבוצות.

במקרה של מערכת ה-AI, היא תאבחן אחת או מספר חריגות ותפסיק, מה שמדגים את אחד החסרונות של שימוש במערכת כזו. כדי לפתור בעיה זו, גונסאלו פיתחה תהליך שבו ה-AI עוברת על התמונה מספר פעמים. כאשר היא עושה זאת, היא לומדת להתעלם מהמקומות שכבר כיסתה, מה שמאפשר לה לגלות חדשות. בנוסף, ה-AI גם מדגישה אזורים חשודים, מה שהופך את כל התהליך האבחנתי ליותר שקוף עבור בני אדם לצפות.

שיטה זו שונה ממערכות AI מסורתיות המשמשות בסביבות אלו, שבסיס האבחנה שלהן הוא על בסיס אחת הערכות של סריקת העין. עכשיו, החוקרים יכולים לראות כיצד מערכת ה-AI החדשה הגיעה לאבחנה.

כדי להתעלם מהחריגות שכבר התגלו, מערכת ה-AI ממלאת אותן ברקמה בריאה מסביב לחריגות. האבחנה נעשית על בסיס כל הסבבים של הערכה, המחוברים יחד.

המחקר מצא שמערכת זו שיפרה את הרגישות של גילוי רטינופתיה סוכרית ודגנרציה מקולרית קשורת גיל ב-11.2+/-2.0%.

מערכת זו יכולה לשנות את הדרך שבה AI משמשת באבחון מחלות על בסיס חריגות, וההתקדמות הגדולה ביותר היא השקיפות החדשה שהיא יכולה להדגים במהלך תהליך זה. שקיפות זו היא שתאפשר תיקונים והתקדמויות עתידיות, עם היעד הסופי של מערכת AI שיכולה לאבחן בעיות בדיוק רב יותר ומהר יותר מהמומחים האנושיים הטובים ביותר בתחום. כל זה יכול גם להוביל למערכת יותר אמינה, שעלולה לגרום לאימוצה הנרחב בתחום הרחב יותר.