Naukowcy z koreańskiego Seoul National University Bundang Hospital pracują nad algorytmem wykorzystującym uczenie maszynowe do analizowania prześwietleń płuc czy też rentgenów klatki piersiowej. Czy tak wygląda przyszłość badań obrazowych?
Coraz częściej słyszy się o tym, że sztuczna inteligencja, a raczej deep learning, jest przyuczana przez naukowców do analizowania wszelakiego rodzaju badań obrazowych. Ostatnimi czasy pisałem dla Was chociażby o połączeniu sztucznej inteligencji i mikrofali jako substytut dla mammografii, jednak ten pomysł tyczy się bezpośrednio analizowania przez komputer gotowych obrazów.
„Prześwietlenie płuc” – rentgen klatki piersiowej – to badanie, które być może spora część z Was miała, a na pewno każdy o nim słyszał. Przyczyn ciągłego stosowania promieniowania rentgenowskiego w medycynie jest sporo, a wszystkie składają się na to, że to rentgen klatki piersiowej jest nie tylko podstawowym, ale także jednym z ważniejszych badań w pulmonologii. Ma sporo zalet – jest relatywnie tanie, bezbolesne, szybkie i skuteczne.
Naukowcy z Seoul National University Bundang Hospital wiedzą, jak ważne jest to badanie i chcą je usprawnić jeszcze bardziej. Profesor Lee Kyungon-joon oraz Kim Ji-hang zebrali dane dotyczące 5472 zestawów obrazów z prześwietlenia płuc i uporządkowali je tak, aby sztuczna inteligencja mogła się na nich przyuczać.
Uczenie maszynowe czy sztuczna inteligencja?
Do dyspozycji uczenia maszynowego oddano 4370 zestawów treningowych – wyodrębniono takich pacjentów, którzy badaniu rentgenograficznemu poddali się co najmniej dwukrotnie, uzupełniono je oczywiście o postawione przez lekarzy rozpoznania. Wykorzystując zgromadzone dane i przetwarzając istniejące już algorytmy, naukowcy przyuczyli „sztuczną inteligencję” do rozpoznania, które zdjęcie prezentuje płuca bez zmian patologicznych, a na których pojawiają się jakieś alarmujące różnice.
Specjalnie sztuczną inteligencją umieściłem w cudzysłowie – tak naprawdę to sieć neuronowa analizująca mapy korelacji między różnymi zdjęciami i informująca o tych niepokojących, niewzbogacona o dodatkowe procesy. Nie zgłębiając się w analityczne szczegóły – zastosowany przez naukowców algorytm popisał się dokładnością na poziomie 0,89, podczas gdy aktualnie istniejące modele plasowały się w widełkach 0,77-0,82.
Profesorzy mówią, że nowa technika oparta na uczeniu maszynowym może być z powodzeniem stosowana do badań przesiewowych, ale także jako podstawowe narzędzie diagnostyczne. Co więcej, badacze mają nadzieję, że to zacznie pomalutku uchylać furtkę dla bardziej zaawansowanych badań nad technologią analizowania badań obrazowych klatki piersiowej.
Póki co, nadal wszystko opiera się na podstawowym wsparciu dla lekarza i każdy obraz przeanalizowany wstępnie przez sztuczną inteligencję i tak przechodzi przez ręce człowieka. Ale kto wie, co będzie za kilkanaście lub kilkadziesiąt lat?
