2024. 03. 15. - 08:00

Nyirokrákos esetek 90 százalékát észleli a mesterséges intelligencia

Nyirokrákos esetek 90 százalékát észleli a mesterséges intelligencia

Egy új mesterséges intelligencia képes azonosítani a nyirokrákos esetek 90 százalékát. A svéd modellt a Chalmers Műszaki Egyetem kutatói fejlesztették ki.

Sokat és gyorsan fejlődött az orvosi képelemzés a mesterséges intelligencia segítségével az elmúlt években. Mostanra mesterséges intelligencia által támogatott képanalízissel végezték az egyik legnagyobb tanulmányt a limfómáról, a nyirokrendszeri rákos megbetegedésekről.
 
A svéd Chalmers Műszaki Egyetem kutatói fejlesztettek ki egy számítógépes modellt, amely az esetek 90 százalékában sikeresen képes megtalálni a nyirokcsomórák jeleit.
 
Az új, számítógéppel támogatott módszereket az orvosi képek értelmezésére különböző egészségügyi állapotokra fejlesztik. Csökkentheti ugyanis a radiológusok leterheltségét, ha az MI második véleményt ad vagy rangsorolja, mely betegeknek van szükségük leggyorsabban kezelésre.
 
Ida Häggström, a Chalmers Villamosmérnöki Tanszékének docense a Göteborgi Egyetem Sahlgrenska Akadémiájával és a Sahlgrenska Egyetemi Kórházzal szorosan együttműködve vett részt az orvosi képalkotás fejlesztésében a rákkal kapcsolatosan - valamint számos más egészségügyi állapot, például szív- és érrendszeri betegségek, stroke és csontritkulás területén. Olvasd el: Sejttípusokat számlál a mesterséges intelligencia
 
Nyirokrákos esetek 90 százalékát észleli a mesterséges intelligencia
Nyirokrákos esetek 90 százalékát észleli a mesterséges intelligencia
 
Häggström - többek között a New York-i Memorial Sloan Kettering Cancer Center klinikailag aktív kutatóival együtt - kifejlesztett egy számítógépes modellt, amelyet a The Lancet Digital Health szakfolyóiratban mutattak be.
 
„Több mint 5 ezer limfómás betegtől származó, több mint 17 ezer kép alapján hoztunk létre egy tanulási rendszert, melyben a számítógépeket arra képezték ki, hogy megtalálják a rák vizuális jeleit a nyirokrendszerben” - magyarázta Häggström.
 
A tanulmány során a kutatók több mint 10 évre visszanyúló képarchívumokat vizsgáltak.
 
Összehasonlították a betegek végső diagnózisát a kezelés előtt és után készített pozitronemissziós tomográfiás (PET) és komputertomográfiás (CT) felvételekkel. Az információt azután arra használták fel, hogy segítsék a mesterséges intelligencia számítógépes modellt a nyirokcsomórák jeleinek észlelésére egy képen. Olvasd el: MI segít a rák biztonságos kimutatásában
 
Felügyelt modell-képzés
 
A Häggström által kifejlesztett számítógépes modell a Lars, Lymphoma Artificial Reader System és egy mesterséges intelligencián alapuló, úgynevezett mély tanulási rendszer.
 
Működésének alapja, hogy beviszi a pozitronemissziós tomográfia (PET) képét, majd a képet az MI-modell segítségével elemzi.
 
Kiképezték, hogy megtalálja a képen a mintákat és jellemzőket, így a  lehető legjobban megjósolja, hogy a kép pozitív vagy negatív, tehát tartalmaz-e limfómát vagy sem.
 
„Az úgynevezett felügyelt tréninget alkalmaztam: ennek során képeket mutatnak a számítógépes modellnek, amely azután felméri, hogy a betegnek van-e limfómája vagy sem. A modell a valódi diagnózist is láthatja, így ha az értékelés rossz, akkor a számítógép modellt úgy állítják be, hogy fokozatosan egyre jobb és jobb legyen a diagnózis meghatározása” - mondta Häggström.
 
De vajon mit jelent a gyakorlatban valójában, hogy a számítógépes modell mesterséges intelligenciát és mély tanulást használ a diagnózis felállításához?
 
„Nem programoztunk előre meghatározott utasításokat a modellben arra vonatkozóan, hogy a képen milyen információkat kell megnéznie, hanem hagyjuk, hogy megtanítsa magának, mely képminták fontosak a lehető legjobb előrejelzések érdekében” – magyarázta a szakember.
 
Komoly támogatás a radiológusoknak
 
Häggström időigényesnek írja le a folyamatot, amellyel megtanítják a számítógépet a képeken látható rák észlelésére. Mint mondta, a vizsgálat befejezése több évbe telt.
 
Az egyik kihívás a nagy mennyiségű képanyag előállítása volt. Kihívást jelentett a számítógépes modellt adaptálása is olyan módon, hogy különbséget tudjon tenni a rák és a sugár- és kemoterápia utáni képeken látható átmeneti kezelés-specifikus változások között.
 
„A tanulmányban körülbelül 90 százalékra becsültük a számítógépes modell pontosságát, s különösen a nehezen értelmezhető képek esetében segítheti a radiológusokat az értékelésben” – mondta Ida Häggström.
 
Mindazonáltal még sok munka vár a számítógépes modell érvényesítésére, ha azt a klinikai gyakorlatban kívánják használni.
 
A kutató megjegyezte: elérhetővé tették a számítógépes kódot, hogy más kutatók továbbra is az ő számítógépes modellünk alapján dolgozhassanak, az elvégzendő klinikai tesztek azonban kiterjedtek.
 
 
L.A.

Hírlevél feliratkozás

Kérjük, add meg adataidat a hírlevélre történő feliratkozáshoz! A megadott adatokat bizalmasan kezeljük, azokat harmadik félnek át nem adjuk.