Forskare genomför översyn av AI:s förmåga att behandla hjärnsjukdomar

Italienska forskare har slutfört en systematisk litteraturöversyn som publicerades den här månaden i APL Bioengineering, av AIP Publishing. Översynens syfte var att utveckla en bättre förståelse för artificiell intelligens (AI) och dess förmåga att användas som en behandling för hjärnsjukdomar. Efter att ha samlat in 2 696 olika resultat fokuserade forskarna på de 154 mest citerade artiklarna.

AI kan bearbeta stora mängder data och kan göra det mycket snabbt. Detta, tillsammans med olika tillvägagångssätt som maskinlärande, datorseende och neuronnät, hjälper till att skapa en miljö där AI-teknik är ett effektivt verktyg mot många av världens största hälsoproblem.

Det finns dock många utmaningar som omger tekniken och dess användning inom dessa områden, särskilt inom diagnos, kirurgisk behandling och övervakning av hjärnsjukdomar. Den nya studien kan hjälpa till att utveckla nya metoder som ständigt driver fältet framåt.

Översynen

En av de viktigaste punkterna i översynen var användningen av ett generativt adversarialt nätverk för att syntetiskt utveckla en åldrad hjärna. Detta möjliggjorde för experter att studera sjukdomens progression över tid.

Alice Segato var författare till den artikel som beskrev översynen.

“Användningen av artificiella tekniker är gradvis på väg att ge effektiva teoretiska lösningar till ett stort antal verkliga kliniska problem som är relaterade till hjärnan”, sa Segato. “Särskilt under de senaste åren, tack vare ackumuleringen av relevant data och utvecklingen av alltmer effektiva algoritmer, har det varit möjligt att betydligt öka förståelsen av komplexa hjärnemekanismer.”

Studien fokuserade på ett par huvudområden inom hjärnvård, såsom undersökning av AI-metoder som ansvarar för att bearbeta information om struktur- och anslutningskarakteristika hos hjärnan, samt bedömning av kirurgiska kandidater. De andra omfattade bilddata för att studera hjärnsjukdomar, identifiering av problem och problemområden, förutsägelse av sjukdom och resultat, samt intraoperativ assistans.

Några av de bilddata som används för att studera hjärnsjukdomar inkluderar 3D-data som magnetisk resonanstomografi, diffusions-tensor-bildning, positronemissionstomografi och datortomografi. Datorseende AI-tekniker kan användas för att analysera alla dessa typer av bilddata.

”Förklarliga algoritmer”

I den publicerade studien förespråkar forskarna “förklarliga algoritmer”. Detta innebär tydligt beskrivna vägar till lösningar, snarare än den mycket vaga “svarta lådan” som ofta används.

“Om människor ska acceptera algoritmiska recept eller diagnoser, måste de lita på dem”, sa Segato. “Forskarnas ansträngningar leder till skapandet av alltmer sofistikerade och tolkningsbara algoritmer, som kan gynna en mer intensiv användning av ‘intelligenta’ tekniker i praktiska kliniska sammanhang.”

Detta förslag kommer också under en tid då internationella forskare kräver mer transparens i AI-forskning. Gruppen av forskare inkluderade medlemmar från toppinstitutioner som Princess Margaret Cancer Centre, University of Toronto, Stanford University, Johns Hopkins, Harvard School of Public Health och Massachusetts Institute of Technology (MIT). Enligt forskarna kan mer transparenta resultat och metoder hjälpa till att leda till bättre cancerbehandling baserat på forskningen.