Onderzoekers voeren een beoordeling uit van het vermogen van AI om hersenziekten te behandelen

Italiaanse onderzoekers hebben een systematische literatuurreview voltooid, die deze maand is gepubliceerd in APL Bioengineering, uitgegeven door AIP Publishing. Het doel van de review was om een beter begrip te ontwikkelen over kunstmatige intelligentie (AI) en haar vermogen om te worden gebruikt als behandeling voor hersenziekten. Na het verzamelen van 2.696 verschillende resultaten, richtten de onderzoekers zich op de top 154 meest aangehaalde artikelen.

AI kan enorme hoeveelheden gegevens verwerken en kan dit zeer snel doen. Dit, in combinatie met verschillende benaderingen zoals machine learning, computer vision en neurale netwerken, helpt bij het creëren van een omgeving waarin AI-technologie een effectief instrument is tegen veel van de grootste gezondheidsproblemen ter wereld.

Er zijn echter veel uitdagingen rondom de technologie en haar toepassingen in deze gebieden, met name bij diagnose, chirurgische behandeling en monitoring van hersenziekten. De nieuwe studie kan helpen bij het ontwikkelen van nieuwe methoden, die de sector voortdurend vooruit helpen.

De Review

Een van de belangrijkste punten van de review was het gebruik van een generatief adversariaal netwerk om synthetisch een ouder wordend brein te ontwikkelen. Dit stelde deskundigen in staat om de progressie van de ziekte over tijd te bestuderen.

Alice Segato was de auteur van het artikel over de review.

“Het gebruik van kunstmatige technieken brengt geleidelijk aan efficiënte theoretische oplossingen voor een groot aantal klinische problemen die verband houden met de hersenen”, zei Segato. “Vooral in de afgelopen jaren, dankzij de accumulatie van relevante gegevens en de ontwikkeling van steeds effectievere algoritmen, is het mogelijk geweest om het begrip van complexe hersenmechanismen aanzienlijk te vergroten.”

De studie richtte zich op een aantal belangrijke gebieden van hersenzorg, zoals het onderzoeken van AI-methoden die verantwoordelijk zijn voor het verwerken van informatie over structuur- en connectiviteitskenmerken van de hersenen, evenals de beoordeling van chirurgische kandidaten. De anderen omvatten beeldgegevens voor het bestuderen van hersenziekten, het identificeren van problemen en probleemgebieden, het voorspellen van ziekten en resultaten, en intraoperatieve assistentie.

Sommige van de beeldgegevens die worden gebruikt om hersenziekten te bestuderen, zijn 3D-gegevens zoals magnetische resonantiebeeldvorming, diffusietensorbeeldvorming, positronemissietomografie en computertomografie. Computer vision AI-technieken kunnen worden gebruikt om al deze soorten beeldgegevens te analyseren.

“Verklaarbare Algoritmen”

In de gepubliceerde studie pleiten de onderzoekers voor “verklaarbare algoritmen”. Dit betekent duidelijk gedetailleerde paden naar oplossingen, in plaats van de zeer vage “black box” die vaak wordt gebruikt.

“Als mensen algoritmiche voorschriften of diagnoses moeten accepteren, moeten ze ze vertrouwen”, zei Segato. “De inspanningen van onderzoekers leiden tot de creatie van steeds geavanceerdere en interpreteerbare algoritmen, die een intensievere gebruik van ‘intelligente’ technologieën in praktische klinische contexten kunnen bevorderen.”

Deze pleidooi komt ook op een moment dat internationale wetenschappers meer transparantie in AI-onderzoek eisen. De groep wetenschappers omvatte leden van topinstellingen zoals Princess Margaret Cancer Centre, University of Toronto, Stanford University, Johns Hopkins, Harvard School of Public Health en Massachusetts Institute of Technology (MIT). Volgens de wetenschappers kunnen meer transparante resultaten en methoden helpen bij het ontwikkelen van betere kankerbehandelingen op basis van het onderzoek.