Nya framsteg inom AI för klinisk användning

Forskare från Radboudumc har hjälpt till att utveckla artificiell intelligens (AI) i den kliniska miljön efter att ha demonstrerat hur AI kan diagnostisera problem liknande en läkare, samtidigt som de visar hur det når diagnosen. AI spelar redan en roll i denna miljö, där den används för att snabbt upptäcka avvikelser som kan klassificeras som en sjukdom av experter.

AI i den kliniska miljön

Artificiell intelligens har alltmer använts i diagnostiseringen av medicinska bilder. Det som traditionellt gjordes av en läkare som studerade en röntgenbild eller biopsi för att identifiera avvikelser kan nu göras med AI. Genom användning av djupinlärning kan dessa system diagnostisera på egen hand, ofta med samma noggrannhet eller till och med bättre än mänskliga läkare.

Systemen är dock inte perfekta. Ett av problemen är att AI inte visar hur det analyserar bilderna och når en diagnos. Ett annat problem är att de inte gör något extra, vilket innebär att de slutar när de har nått en specifik diagnos. Detta kan leda till att systemet missar vissa avvikelser, även om diagnosen är korrekt.

I detta scenario är den mänskliga läkaren bättre på att observera patienten, röntgenbilden eller andra bilder överlag.

Framsteg inom AI

Dessa problem för AI i den kliniska miljön adresseras nu av forskare. Christina González Gonzalo är en doktorand vid A-eye Research och Diagnostic Image Analysis Group vid Radboudumc.

González Gonzalo har utvecklat en ny metod för diagnostisk AI genom att använda ögonscanningar som hittar avvikelser i näthinnan. De specifika avvikelserna kan lätt hittas av mänskliga läkare och AI, och de hittas ofta i grupper.

I fallet med AI-systemet diagnostiserar det en eller flera avvikelser och slutar, vilket demonstrerar en av nackdelarna med att använda ett sådant system. För att adressera detta har González Gonzalo utvecklat en process där AI gånger igenom bilden. När den gör detta lär den sig att ignorera de områden som den redan har täckt, vilket tillåter den att upptäcka nya. Dessutom markerar AI misstänkta områden, vilket gör hela diagnostiska processen mer transparent för mänskliga observatörer.

Denna nya metod skiljer sig från de traditionella AI-systemen som används i dessa miljöer, som baserar sin diagnos på en utvärdering av ögonscanningen. Nu kan forskare se hur det nya AI-systemet nådde sin diagnos.

För att ignorera de redan upptäckta avvikelserna fyller AI-systemet digitalt i dem med frisk vävnad från områdena runt avvikelserna. Diagnosen görs sedan baserat på alla utvärderingsrundor som läggs samman.

Studien fann att detta nya system förbättrade känsligheten för upptäckt av diabetisk retinopati och åldersrelaterad makuladegenerering med 11,2 +/- 2,0%.

Detta nya system kan verkligen förändra hur AI används när det gäller att diagnostisera sjukdomar baserat på avvikelser, och den största framstegen är den nya transparensen som det kan demonstrera under denna process. Denna transparens är vad som kommer att tillåta ännu fler framtida korrektioner och framsteg, med det slutliga målet att skapa ett AI-system som kan diagnostisera problem mycket mer exakt och snabbare än de bästa mänskliga experterna inom området. Allt detta kan också leda till ett mer tillförlitligt system, vilket möjligen resulterar i en bredare användning inom det större området.