Kemajuan Baru dalam AI untuk Penggunaan Klinis

Peneliti dari Radboudumc membantu memajukan kecerdasan buatan (AI) di lingkungan klinis setelah menunjukkan bagaimana AI dapat mendiagnosis masalah yang sama seperti dokter, serta menunjukkan bagaimana AI mencapai diagnosis. AI sudah memainkan peran di lingkungan ini, digunakan untuk mendeteksi abnormalitas dengan cepat yang dapat diberi label sebagai penyakit oleh ahli.

AI di Lingkungan Klinis

Kecerdasan buatan telah semakin banyak digunakan dalam diagnosis pencitraan medis. Apa yang tradisional dilakukan oleh dokter yang mempelajari X-ray atau biopsi untuk mengidentifikasi abnormalitas sekarang dapat dilakukan dengan AI. Melalui penggunaan deep learning, sistem ini dapat mendiagnosis secara mandiri, seringkali sama akurat atau bahkan lebih baik daripada dokter manusia.

Sistem ini tidak sempurna, bagaimanapun. Salah satu masalahnya adalah AI tidak menunjukkan bagaimana ia menganalisis gambar dan mencapai diagnosis. Masalah lainnya adalah mereka tidak melakukan apa pun tambahan, artinya mereka berhenti setelah mencapai diagnosis tertentu. Ini dapat menyebabkan sistem melewatkan beberapa abnormalitas bahkan ketika ada diagnosis yang benar.

Dalam skenario ini, dokter manusia lebih baik dalam mengamati pasien, X-ray, atau gambar lain secara keseluruhan.

Kemajuan dalam AI

Masalah-masalah ini untuk AI di lingkungan klinis sekarang sedang ditangani oleh peneliti. Christina González Gonzalo adalah kandidat Ph.D. di A-eye Research dan Diagnostic Image Analysis Group of Radboudumc.

González Gonzalo mengembangkan metode baru untuk AI diagnostik dengan menggunakan pemindaian mata yang menemukan abnormalitas retina. Abnormalitas spesifik dapat dengan mudah ditemukan oleh dokter manusia dan AI, dan seringkali ditemukan dalam kelompok.

Dalam kasus sistem AI, ia akan mendiagnosis satu atau beberapa abnormalitas dan berhenti, menunjukkan salah satu kelemahan menggunakan sistem seperti itu. Untuk menangani ini, González Gonzalo mengembangkan proses di mana AI memeriksa gambar beberapa kali. Ketika melakukan ini, ia belajar untuk mengabaikan tempat-tempat yang sudah diliput, yang memungkinkan untuk menemukan yang baru. Selain itu, AI juga menyoroti area yang mencurigakan, membuat proses diagnostik lebih transparan bagi manusia untuk mengamati.

Metode baru ini berbeda dari sistem AI tradisional yang digunakan dalam pengaturan ini, yang berbasis diagnosis pada satu penilaian pemindaian mata. Sekarang, peneliti dapat melihat bagaimana sistem AI baru mencapai diagnosisnya.

Untuk mengabaikan abnormalitas yang sudah terdeteksi, sistem AI secara digital mengisi mereka dengan jaringan sehat dari sekitar abnormalitas. Diagnosis kemudian dibuat berdasarkan semua putaran penilaian yang ditambahkan bersama.

Studi ini menemukan bahwa sistem baru ini meningkatkan sensitivitas deteksi retinopati diabetik dan degenerasi makula terkait usia sebesar 11,2+/-2,0%.

Sistem baru ini dapat benar-benar mengubah cara AI digunakan dalam mendiagnosis penyakit berdasarkan abnormalitas, dan kemajuan terbesar adalah transparansi baru yang dapat ditunjukkannya selama proses ini. Transparansi ini akan memungkinkan koreksi dan kemajuan lebih lanjut di masa depan, dengan tujuan akhirnya adalah sistem AI yang dapat mendiagnosis masalah dengan lebih akurat dan lebih cepat daripada ahli manusia terbaik dalam bidang tersebut. Semua ini juga dapat menyebabkan sistem yang lebih dapat dipercaya, mungkin menghasilkan adopsi yang lebih luas dalam bidang yang lebih besar.