Sztuczna inteligencja to drugie oczy radiologów

Nowe narzędzie oparte na sztucznej inteligencji (AI) potrafi wykrywać mało widoczne obiekty w drogach oddechowych pacjentów lepiej niż doświadczeni radiolodzy – informuje pismo „npj Digital Medicine”.

AI to drugie oczy radiologów

.Ciała obce w drogach oddechowych to poważny problem, spotykany zwłaszcza w przypadku dzieci. Do aspiracji ciała obcego (FBA) dochodzi, gdy niewielki obiekt, często fragment pokarmu, utknie w drogach oddechowych. Typowe objawy to kaszel, duszenie się, trudności w oddychaniu, a czasami także poważniejsze powikłania.

O ile metaliczne ciała obce można łatwo wykryć i zlokalizować na zdjęciu rentgenowskim, to materiały takie jak tworzywa sztuczne, drewno, pestki, orzechy, łupiny i cząstki pokarmu są przezroczyste dla promieniowania rentgenowskiego. Bywa, że zalegają w oskrzelach przez długi czas, upośledzając oddychanie, powodując miejscową niedodmę i przewlekłe stany zapalne. W literaturze fachowej opisywano ciała obce wykryte dopiero po dziesiątkach lat, które otorbiły się i podczas tomografii komputerowej wyglądały jak guz nowotworowy.

Niewykrycie lub późne wykrycie ciała obcego naraża pacjentów na ryzyko poważnych powikłań. Nawet w 75 proc. przypadków aspiracja ciała obcego u dorosłych dotyczy radioprzepuszczalnych ciał obcych. Dr Yihua Wang, dr Zehor Belkhatir i prof. Rob Ewing z University of Southampton (Wielka Brytania) we współpracy z naukowcami z Wuhan (Chiny) opracowali model sztucznej inteligencji, który przewyższył radiologów, jeśli chodzi o analizowanie obrazów z tomografii komputerowej pod kątem obiektów, które nie są dobrze widoczne na skanach.

Technika mapowania dróg oddechowych

.„Te obiekty mogą być niezwykle subtelne i łatwe do przeoczenia, nawet przez doświadczonych klinicystów” – podkreślił współautor badania, doktorant Zhe Chen z Southampton. Uznał przy tym, że model opracowany przez naukowców działa jak druga para oczu, pomagając radiologom wykrywać takie obiekty wcześniej i skuteczniej. Model głębokiego uczenia łączy precyzyjną technikę mapowania dróg oddechowych (MedpSeg) z siecią neuronową, która analizuje obrazy tomografii komputerowej pod kątem ukrytych oznak obecności ciał obcych.

Model został wytrenowany i przetestowany z udziałem trzech niezależnych grup, liczących ponad 400 pacjentów, we współpracy ze szpitalami w Chinach. Naukowcy porównali diagnozy modelu z diagnozami postawionymi przez trzech doświadczonych radiologów, z których każdy miał ponad dziesięcioletnie doświadczenie kliniczne. Zadanie polegało na przeanalizowaniu 70 tomografii komputerowych, z których 14 stanowiły przypadki przezroczystego dla promieniowania ciała obcego w oskrzelu, potwierdzone bronchoskopią.

Sztuczna inteligencja precyzyjniejsza niż radiolodzy

.Radiolodzy, wykrywając przypadek przezroczystego dla promieniowania ciała obcego robili to z całkowitą precyzją – nie było wyników fałszywie dodatnich. Dla porównania, model sztucznej inteligencji (AI) osiągnął precyzję na poziomie 77 proc., w niektórych przypadkach dając wyniki fałszywie dodatnie. Jednocześnie jednak radiolodzy przeoczyli znaczną część przypadków FBA, identyfikując zaledwie 36 proc. z nich, co uwydatnia trudności, z jakimi borykają się ludzie w ich wykrywaniu. Model AI z kolei był w stanie wykryć 71 proc. przypadków, co oznacza, że znacznie mniej ciał obcych umknęło jego uwadze.

W punktacji F1, która równoważy precyzję i czułość, model uzyskał lepsze wyniki od radiologów – 74 proc. w porównaniu z 53 proc. „Wyniki pokazują realny potencjał sztucznej inteligencji w medycynie, szczególnie w przypadku schorzeń trudnych do zdiagnozowania za pomocą standardowych technik obrazowania” – skomentował dr Yihua Wang, główny autor badania.

Autorzy podkreślają, że system ma wspomagać radiologów, a nie ich zastępować – w szczególności w złożonych lub niepewnych przypadkach. Zamierzają przeprowadzić badania wieloośrodkowe z udziałem większej i bardziej zróżnicowanej populacji, aby udoskonalić model i zmniejszyć ryzyko błędu systematycznego.

Nowe technologie w ochronie zdrowia 

.Na temat wykorzystywania nowych technologii w medycynie, takich jak sztuczna inteligencja, robotyka chirurgiczna czy też neuroprotetyka, na łamach „Wszystko Co Najważniejsze” pisze prof. Michał KLEIBER w tekście „Nowe technologie w ochronie zdrowia“. Autor zwraca również uwagę na fundamentalne znaczenie kwestii odpowiedniego finansowania publicznej opieki zdrowotnej.

„Wykorzystywanie sztucznej inteligencji (SI). SI w ochronie zdrowia oznacza wykorzystywanie zaawansowanego oprogramowania naśladującego poznawcze zdolności człowieka do analizy danych medycznych i sugerowanie na tej podstawie diagnozy i ewentualnych działań leczniczych. Innymi słowy, SI jest zdolnością komputerowych algorytmów do formułowania przydatnych dla lekarzy opinii w złożonych problemach medycznych. Zastosowania SI różnią się istotnie od tradycyjnych metod medycyny możliwością pozyskiwania wielkiej liczby informacji, ich przetwarzania i podejmowania na tej podstawie działań. Fundamentalną cechą stosowanych algorytmów jest ich zdolność do uczenia się na drodze rozpoznawania cech charakteryzujących przetwarzane dane i tworzenia na tej podstawie opinii na temat analizowanego problemu”.

.„Ważnym efektem stosowania SI w ochronie zdrowia jest możliwość dostarczania analiz opisujących relacje między diagnozą i zastosowaną terapią a najbardziej prawdopodobnym rezultatem leczenia. Dysponujemy dzisiaj terabajtami danych pochodzących z badań klinicznych, szeroko rozumianej praktyki medycznej, firm ubezpieczeniowych oraz aptek, dotyczących wszelkich dręczących ludzi dolegliwości. Naukowcy i praktykujący lekarze korzystają oczywiście od zawsze z takich informacji, ale możliwości ich pełnej analizy przez najlepiej nawet przygotowanych badaczy są ze względu na ilość danych, ich złożoność i brak wypracowanej struktury z natury rzeczy bardzo ograniczone. W sukurs przychodzi właśnie sztuczna inteligencja” – pisze prof. Michał KLEIBER.

LINK DO TEKSTU: https://wszystkoconajwazniejsze.pl/prof-michal-kleiber-nowe-technologie-w-ochronie-zdrowia%e2%80%a8/

PAP/Paweł Wernicki/MJ