Będzie nas leczyć sztuczna inteligencja?

Sztuczną inteligencję (AI) nauczono rozpoznawać choroby na podstawie medycznych notatek i zdjęć rentgenowskich. Okazało się, że program komputerowy (model) wykorzystujący AI może diagnozować problemy równie dobrze, jak ludzki specjalista i nie wymaga dużej ilości pracochłonnych danych treningowych.

Po przejrzeniu tysięcy zdjęć rentgenowskich klatki piersiowej i towarzyszących im raportów klinicznych, sztuczna inteligencja nauczyła się rozpoznawać choroby tak dokładnie, jak radiolog.

Zobacz również:

• OpenAI usuwa narzędzie do wykrywania SI. Powód Cię zaskoczy!

Większość obecnych modeli diagnostycznych sztucznej inteligencji jest szkolona na skanach oznaczanych przez ludzi, ale takie etykietowanie jest procesem czasochłonnym. Nowy model nazwany CheXzero może, zamiast tego „uczyć się” sam z istniejących raportów medycznych, które specjaliści napisali w języku naturalnym.

Te odkrycia sugerują, że nie jest konieczne opisywanie zdjęć rentgenowskich w celu nauczenia modeli AI prawidłowej interpretacji obrazów medycznych, dzięki czemu będzie można zaoszczędzić czas i pieniądze.

Jak dokładnie wyglądało uczenie AI?

Zespół naukowców z Harvard Medical School przeszkolił model CheXzero na publicznie dostępnym zestawie danych obejmującym ponad 377 000 zdjęć rentgenowskich klatki piersiowej i ponad 227 000 odpowiednich raportów klinicznych. To nauczyło go kojarzyć pewne typy obrazów z istniejącymi notatkami, zamiast uczyć się na podstawie uporządkowanych danych, które zostały ręcznie oznaczone dla konkretnego zadania.

Wydajność CheXzero została następnie przetestowana na oddzielnych zestawach danych z dwóch różnych instytucji – w tym z innego kraju – aby sprawdzić, czy model jest w stanie dopasować obrazy do odpowiednich notatek, nawet jeśli raporty zawierały różną terminologię.

Nowe badanie pokazuje, że sztuczna inteligencja może również automatycznie obsługiwać ponad połowę wykonywanych zdjęć, radykalnie zmniejszając obciążenie radiologów.

Sztuczna inteligencja diagnozuje jak człowiek

Badania opisane w Nature Biomedical Engineering wykazały, że model CheXzero był bardziej skuteczny w identyfikowaniu problemów, takich jak zapalenie płuc, zapadnięte płuca i zmiany chorobowe, niż inne modele sztucznej inteligencji. W rzeczywistości miał podobną dokładność do ludzkich radiologów.

– Inni już próbowali wykorzystać w ten sposób nieustrukturyzowane dane medyczne, jednak po raz pierwszy model AI "wyszkolił się" na podstawie nieustrukturyzowanego tekstu i dopasowanych wyników badań radiologicznych oraz wykazał zdolność do wykrywania wielu chorób na podstawie zdjęcia rentgenowskiego z wysokim stopniem dokładności – mówi Ekin Tiu, student studiów licencjackich w Stanford i badacz, który był współautorem raportu.

– Kod modelu został publicznie udostępniony innym naukowcom w nadziei, że będzie można go zastosować do tomografii komputerowej, rezonansu magnetycznego i echokardiogramu, aby pomóc w wykrywaniu szerszego zakresu chorób w innych częściach ciała – mówi kierujący projektem Pranav Rajpurkar, adiunkt biomedycyny i informatyki w Instytucie Blavatnik przy Harvard Medical School.

– Mamy nadzieję, że medycy będą w stanie zastosować nasze rozwiązanie do różnych zestawów danych rentgenowskich klatki piersiowej i chorób, na których leczeniu im zależy – mówi.

Rajpurkar uważa, że diagnostyczne modele sztucznej inteligencji wymagające minimalnego nadzoru mogą pomóc w zwiększeniu dostępu do opieki zdrowotnej w krajach i społecznościach, w których brakuje specjalistów.

– Wykorzystanie bogatszej informacji treningowej z raportów ma sens – mówi Christian Leibig, dyrektor ds. uczenia maszynowego w niemieckim startupie Vara, który wykorzystuje sztuczną inteligencję do wykrywania raka piersi. – Dotarcie do tego poziomu wydajności, co CheXzero, jest nie lada osiągnięciem.

Źródło: MIT Technology Review