Новые достижения в области ИИ для клинического использования

Исследователи из Radboudumc помогли продвинуть искусственный интеллект (ИИ) в клинической обстановке после демонстрации того, как ИИ может диагностировать проблемы, подобные доктору, а также показать, как он достигает диагноза. ИИ уже играет роль в этой среде, будучи использованным для быстрого обнаружения аномалий, которые могли бы быть помечены как болезнь экспертами.

ИИ в клинической обстановке

Искусственный интеллект все чаще используется в диагностике медицинской визуализации. То, что традиционно делалось доктором, изучая рентген или биопсию для выявления аномалий, теперь может быть сделано с помощью ИИ. Благодаря использованию глубокого обучения, эти системы могут диагностировать самостоятельно, часто будучи такими же точными или даже лучше, чем человеческие доктора.

Однако системы не идеальны. Одна из проблем заключается в том, что ИИ не демонстрирует, как он анализирует изображения и достигает диагноза. Другой проблемой является то, что они не делают ничего дополнительного, то есть они останавливаются после достижения конкретного диагноза. Это может привести к тому, что система пропустит некоторые аномалии, даже если диагноз правильный.

В этом сценарии человеческий доктор лучше наблюдает за пациентом, рентгеном или другими изображениями в целом.

Достижения в области ИИ

Эти проблемы для ИИ в клинической обстановке сейчас решаются исследователями. Кристина Гонсалес Гонсало – аспирант группы A-eye Research и Diagnostic Image Analysis Group Radboudumc.

Гонсалес Гонсало разработала новый метод для диагностического ИИ, используя сканирование глаз, которое обнаружило аномалии сетчатки. Конкретные аномалии могут быть легко обнаружены человеческими докторами и ИИ, и они часто обнаруживаются в группах.

В случае с системой ИИ она диагностирует одну или несколько аномалий и останавливается, демонстрируя один из недостатков использования такой системы. Чтобы решить эту проблему, Гонсалес Гонсало разработала процесс, при котором ИИ проходит изображение несколько раз. Когда он это делает, он учится игнорировать места, которые он уже покрыл, что позволяет ему обнаружить новые. Кроме того, ИИ также выделяет подозрительные области, делая весь диагностический процесс более прозрачным для людей.

Этот новый метод отличается от традиционных систем ИИ, используемых в этих условиях, которые основывают свой диагноз на одном оценке сканирования глаз. Теперь исследователи могут увидеть, как новая система ИИ достигла своего диагноза.

Чтобы игнорировать уже обнаруженные аномалии, система ИИ цифровым образом заполняет их здоровыми тканями из аномалий. Диагноз затем делается на основе всех оценочных раундов, сложенных вместе.

Исследование показало, что эта новая система улучшила чувствительность обнаружения диабетической ретинопатии и возрастной макулярной дегенерации на 11,2+/-2,0%.

Эта новая система может действительно изменить то, как ИИ используется при диагностике заболеваний на основе аномалий, и самым большим достижением является новая прозрачность, которую она может продемонстрировать при этом процессе. Эта прозрачность позволит сделать еще больше будущих корректировок и достижений, с конечной целью создания системы ИИ, которая могла бы диагностировать проблемы намного более точно и быстрее, чем лучшие человеческие эксперты в области. Все это также может привести к более заслуживающей доверия системе, возможно, в результате чего будет более широкое внедрение ее в более крупной области.