Umelá inteligencia mení röntgen hrudníka na lepší diagnostický nástroj
- Autor:
- Roman Mališka
- Zverejnené:
- 13. 7. 2023
- Hodnotenie:
- Už ste hlasovali.
Japonskí výskumníci z Metropolitnej univerzity v Osake použili model umelej inteligencie s hĺbkovým učením, aby zmenili skromný röntgen hrudníka na výkonnejší nástroj na diagnostiku srdcových problémov. Tvrdia, že ich nový prístup by sa dal použiť ako rýchly a presný spôsob hodnotenia funkcie srdca a kontroly chorôb.
Röntgenové vyšetrenie hrudníka je najčastejšie vykonávaným rádiologickým testom na svete a bežným spôsobom, akým zdravotníci diagnostikujú pľúcne a srdcové ochorenia. Ale hoci je vyšetrenie rýchle a jednoduché na vykonanie, röntgen je statický obraz, ktorý nedokáže poskytnúť informácie o fungovaní srdca. Na to je potrebný takzvaný echokardiogram.
Echokardiogram, bežne nazývaný ako „echo“, hodnotí, ako efektívne srdce pumpuje a či sú chlopne medzi srdcovými komorami netesné alebo choré. Ak sú srdcové chlopne choré, srdce nemôže efektívne pumpovať krv a musí pracovať tvrdšie, čo môže viesť k zlyhaniu srdca alebo náhlej zástave srdca a smrti. Echokardiografia však vyžaduje technika so špecializovanými zručnosťami.
Teraz výskumníci z Metropolitnej univerzity v Osake prijali model umelej inteligencie na hĺbkové učenie, aby premenili skromný röntgen hrudníka na podrobnejší diagnostický nástroj. Hĺbkové učenie je proces používaný umelou inteligenciou, ktorý učí počítače spracovávať dáta spôsobom, ktorý napodobňuje ľudský mozog. Model tak dokáže rozpoznať zložité vzory v obrázkoch, texte, zvukoch a iných údajoch, aby vytvoril presné informácie a predpovede.
Výskumníci trénovali model hĺbkového učenia s 22 551 röntgenovými snímkami hrudníka spojenými s 22 551 echokardiogrammi získanými od 16 946 pacientov zo štyroch zdravotníckych zariadení v rokoch 2013 až 2021. Použili údaje z viacerých inštitúcií na zníženie rizika, že umelá inteligencia bude produkovať skreslené výsledky.
Röntgenové snímky boli nastavené ako vstupné údaje a echokardiogramy ako výstupné údaje a model bol trénovaný, aby sa naučil funkcie, ktoré spájali oba súbory údajov. Pri testovaní svojho modelu hĺbkového učenia vedci zistili, že dokáže presne kategorizovať šesť typov chlopňových srdcových ochorení. Oblasť pod krivkou (AUC), čo je ratingový index, ktorý udáva schopnosť modelu umelej inteligencie rozlišovať medzi triedami, sa pohybovala od 0,83 do 0,92. AUC má rozsah hodnôt od 0 do 1; čím bližšie k 1, tým lepšie.
Vedci tvrdia, že ich nový prístup umelej inteligencie by mohol doplniť echokardiogramy, najmä ak je potrebná rýchla diagnóza alebo keď je nedostatok technikov.
„Trvalo nám veľmi dlho, kým sme získali tieto výsledky, ale verím, že ide o významný výskum,“ povedal Daiju Ueda, hlavný autor štúdie. „Okrem zlepšenia efektívnosti diagnostiky lekárov by sa systém mohol použiť aj v oblastiach, kde nie sú žiadni špecialisti, v nočných hodinách, na pohotovostiach a u pacientov, ktorí majú ťažkosti s echokardiografiou“.
Štúdia bola nedávno publikovaná v magazíne The Lancet Digital Health.
