연구자들, 뇌 질환 치료를 위한 AI의 능력에 대한 검토 수행

이탈리아 연구자들은 이달에 AIP Publishing의 APL Bioengineering에 발표된 체계적인 문헌 검토를 완료했습니다. 검토의 목적은 인공 지능(AI)과 뇌 질환 치료에 대한 능력에 대한 더 나은 이해를 개발하는 것이었습니다. 2,696개의 다른 결과를 수집한 후, 연구자들은 가장 많이 인용된 154개의 논문을 좁혔습니다.

AI는大量의 데이터를 처리할 수 있으며, 매우 빠르게 처리할 수 있습니다. 이것은 기계 학습, 컴퓨터 비전, 신경망과 같은 다양한 접근 방식과 함께 AI 기술이 많은 세계의 가장 큰 건강 문제에 효과적인 도구가 되는 환경을 만듭니다.

그러나 이 기술과 그 사용에 대한 많은 도전이 있습니다. 특히 진단, 수술 치료, 뇌 질환 모니터링과 같은 분야에서 이러한 새로운 연구는 새로운 방법을 개발하는 데 도움이 될 수 있습니다.

검토

검토의 주요 사항 중 하나는 합성 적대적 네트워크를 사용하여 인공적으로 노화된 뇌를 개발하는 것이었습니다. 이것은 전문가들이 시간이 지남에 따라 질병의 진행을 연구할 수 있게 해주었습니다.

앨리스 세가토(Alice Segato)는 검토에 대한 논문을 작성했습니다.

“인공 기술의 사용은 점점 더 효율적인 이론적 해결책을 많은 실제 임상 문제에 제공하고 있습니다.” 세가토는 말했다. “특히 최근 몇 년 동안 관련 데이터의 축적과 점점 더 효과적인 알고리즘의 개발로 인해 복잡한 뇌 메커니즘에 대한 이해를 크게 증가시킬 수 있었습니다.”

이 연구는 뇌 치료의 몇 가지 주요 영역에 초점을 맞췄습니다. 예를 들어, 뇌의 구조와 연결 특성에 대한 정보를 처리하는 AI 방법을 조사하는 것과 수술 후보자 평가를 포함합니다. 다른 영역에는 뇌 질환을 연구하기 위한 이미지 데이터, 문제와 문제 영역을 식별하기 위한 데이터, 질병과 결과를 예측하기 위한 데이터, 수술 중 조력을 위한 데이터가 포함됩니다.

뇌 질환을 연구하기 위한 이미지 데이터에는 자기 공명 영상, 확산 텐서 영상, 양전자 방출 단층 촬영, 전산화 단층 촬영과 같은 3D 데이터가 포함됩니다. 컴퓨터 비전 AI 기술을 사용하여 이러한 모든 유형의 이미지 데이터를 분석할 수 있습니다.

“설명 가능한 알고리즘”

발표된 연구에서 연구자들은 “설명 가능한 알고리즘”을 주장합니다. 이것은 해결책에 대한 명확한 세부 경로를 의미합니다. 즉, 종종 의존하는 불투명한 “블랙 박스”가 아니라, 해결책에 대한 명확한 설명입니다.

“인간이 알고리즘적 처방이나 진단을 받아들이려면, 그들을 신뢰해야 합니다.” 세가토는 말했다. “연구자들의 노력은 점점 더 정교하고 해석 가능한 알고리즘을 만들고 있습니다. 이것은 실제 임상 환경에서 ‘지능형’ 기술을 더 많이 사용하는 것을 선호할 수 있습니다.”

이 주장은 국제 과학자들이 AI 연구에서 더 많은 투명성을 요구하는 시기에 이루어졌습니다. 과학자 그룹에는 프린세스 마가렛 암 센터, 토론토 대학교, 스탠퍼드 대학교, 존스 홉킨스 대학교, 하버드 대학교 공중 보건 학교, 매사추세츠 공과 대학(MIT)과 같은 최고 기관의 회원이 포함되었습니다. 과학자들은 더 투명한 연구 결과와 방법이 연구를 기반으로 한 더 나은 암 치료를 도울 수 있다고 믿었습니다.