Ligoninėse sukaupta milijonai rentgeno, kompiuterinės tomografijos ir magnetinio rezonanso vaizdų, tačiau dirbtinio intelekto mokymui dažnai trūksta detalių žymėjimų. Radiologo apraše gali būti nurodyta, kad matomas mazgas ar uždegiminis židinys, bet kompiuteriui nepažymėta tiksli jo vieta kiekviename vaizdo taške. Liepos 28 dieną žurnale „npj Digital Medicine“ paskelbtas metodas siūlo išnaudoti ir vaizdą, ir įprastą tekstinį aprašą.
Nuo sakinio iki pikselių
Segmentavimu vadinamas tikslus dominančios srities pažymėjimas vaizde. Tai daugiau nei pasakymas, kad „pažeidimas yra“ – algoritmas turi apibrėžti jo kontūrą. Tokie žemėlapiai gali padėti matuoti darinio dydį, sekti jo pokyčius, planuoti procedūras ir ruošti duomenis moksliniams tyrimams.
Naujasis metodas susieja radiologijos apraše minimus radinius su vaizdiniais požymiais ir taip sukuria pikselių lygio segmentaciją. Pagrindinė idėja praktiška: mokymui panaudoti jau egzistuojančias vaizdų bei ataskaitų poras, užuot reikalavus, kad specialistai rankiniu būdu apibrėžtų kiekvieną pažeidimą tūkstančiuose tyrimų.
Kodėl rankinis žymėjimas yra kliūtis?
Patyrusio radiologo laikas brangus, o kruopštus kontūrų braižymas gali užtrukti ilgiau nei pats aprašymas. Be to, du specialistai kartais kiek skirtingai pažymi neaiškią pažeidimo ribą. Automatinis parengimas galėtų pagreitinti didelių duomenų rinkinių kūrimą ir leisti daugiau ligoninių naudoti savo archyvus tyrimams.
Pacientams tokie įrankiai ateityje galėtų reikšti nuoseklesnius matavimus. Pavyzdžiui, lyginant kelis tyrimus būtų lengviau įvertinti, ar darinys mažėja, didėja arba išlieka stabilus. Tačiau nauda priklausys nuo to, kaip tiksliai sistema veiks skirtingų gamintojų aparatuose, kitose ligoninėse ir retesnių ligų atvejais.
DI nepakeičia radiologo
Radiologijos aprašai nėra idealios žymos. Juose gali būti neapibrėžtų formuluočių, keli radiniai, palyginimas su ankstesniu tyrimu arba paminėta tai, ko vaizde nėra. Jei tekstas ir vaizdas susiejami klaidingai, algoritmas gali išmokti netinkamų ryšių. Todėl būtinas radiologų patvirtinimas ir aiškiai apibrėžta kokybės kontrolė.
Tyrimo rezultatai dar nereiškia, kad sistema gali savarankiškai nustatyti diagnozę. Segmentacijos įrankis pažymi tikėtiną sritį, o jos reikšmę turi įvertinti gydytojas, atsižvelgdamas į visą vaizdą, simptomus, ankstesnius tyrimus ir klinikinę informaciją.
Prieš taikymą kasdienėje praktikoje reikės išorinio patvirtinimo, saugumo vertinimo, privatumo apsaugos ir reguliacinio įvertinimo. Vis dėlto darbas parodo svarbią DI kryptį: ne kurti atskirą „skaitmeninį gydytoją“, o paversti jau turimą klinikinę informaciją struktūruota pagalba specialistui.
Rengiant publikaciją naudotos dirbtinio intelekto priemonės. Turinį peržiūrėjo MedNews.lt redakcija. Originalų tekstą rasite čia: originalo nuoroda.
Iliustracija sukurta naudojant dirbtinį intelektą.