Rábízható-e a betegségek diagnosztizálása az algoritmusokra?

Rábízható-e a betegségek diagnosztizálása az algoritmusokra?

Rábízhatjuk-e a betegségek diagnosztizálását az algoritmusokra?

egészség

4 perc

A gyógyítás kétségtelenül a bizalomról is szól: meghallgatjuk az orvosok által felállított diagnózist, beszedjük az általuk kiírt gyógyszereket, vagy éppen követjük az étkezési tanácsaikat. Egy számítógépben is ugyanennyire megbíznánk? – teszi fel a kérdést a CNN Business.

A Morgan Stanley becslése szerint az egészségügyben használt mesterséges intelligencia (MI) globális piaci értéke a 2019-es 1,3 milliárd dollárról 2024-re várhatóan 10 milliárd dollárra nő majd – így meglehet, hogy nem lesz más választásunk.

A mélytanulás (deep learning) egy MI-alapú megközelítés és az agy neurális hálózatán alapszik; képes komplex információk elemzésére, valamint különböző abnormalitások és diagnosztikai felvételeken látható mintázatok felismerésére is.

Szemünk és a mesterséges intelligencia

A Moorfields Szemészeti Klinika orvosa már öt évvel ezelőtt alkalmazta a mélytanulásban rejlő lehetőségeket. „Páciensek véget nem érő sora vár arra, hogy végre megvizsgáljuk őket, és emiatt előfordul, hogy egyes betegek visszafordíthatatlan látáskárosodást szenvednek, mert nem kapnak időben megfelelő ellátást” – vázolta Pearse Keane.

Az algoritmus egyetlen vizsgálatból képes felismerni az olyan betegségeket mint a glaukóma

A szakorvos úgy gondolta, hogy ha alkalmaznák a technológiát az optikai koherencia tomográfia (Optical Coherence Tomography – OCT) vizsgálatok során, az segítene priorizálni azokat, akiknek veszélyben van a látásuk.

Keane felvette a kapcsolatot a Google tulajdonában lévő brit székhelyű mesterséges intelligencia kutatóközponttal, a DeepMinddal. Majd ezt követően közösen egy olyan algoritmust fejlesztettek ki, amelyet összesen 14.884 retinavizsgálat segítségével tréningeztek, és amely körülbelül 30 másodperc alatt (!) képes részletes diagnózist felállítani.

A mélytanuló algoritmusok kiválóak a minták felismerésben képeken. Ez a technika korszerűbbé teheti az orvosi szűrővizsgálatok folyamatát.

A program 50 különböző szembetegséget képes megkülönböztetni, köztük a zöldhályogot, a cukorbetegek retinabetegségét és az időskori makuladegenerációt is. A betegségeket pontozza, és javaslatot tesz arra, hogy mennyire sürgős a beteg ellátása. A Nature Medicine szaklapban publikált legelső eredmények azt mutatják, hogy a rendszer a szemspecialistákkal egyező pontossággal – az esetek 94,5%-ában – ismeri fel a különböző szembetegségeket.

Mielőtt azonban a diagnosztikai módszert bevezethetnék a Moorfields Szemkórházban – és később akár más helyeken is –, szabályozói engedélyezések és klinikai tesztek hosszadalmas folyamatán kell még végigmennie. „Nagyon izgalmas kutatási terület a mesterséges intelligencia, de ezzel együtt óvatosak is vagyunk. Tudjuk, hogy hatalmas lehetőségeket rejt ez a technológia, ugyanakkor az korántsem biztos, hogy minden területen alkalmazható is lesz” – hangsúlyozta Keane.

A lombikprogram fejlesztése

A Weill Cornell Medicine kutatói is mélytanuló algoritmusok segítségével próbálnak időhatékony megoldásokat találni. A kutatásaik során beazonosítják, hogy egy lombikprogramban mely embrióknak van a legnagyobb esélyük arra, hogy egészséges magzattá fejlődjenek.

Ez a technológia segíthet javítani a sikeres lombikprogramok arányát

A „Stork” (gólya) elnevezésű algoritmus olyan képeket elemez, amelyeket embriókról készítettek rendszeres időközönként egy adott időszakon belül. A NPJ Digital Medicine lapban közölt kutatási eredményeik szerint a program teljesítménye 97%-os pontosságú volt. Az elemzés általában egy manuálisan elvégzett folyamat szokott lenni, amelyet az embriológus szakember végez.

„Az embriók ember általi osztályzása rendkívül szubjektív. A mesterséges intelligencia alkalmazásával bizonyos értelemben sztenderdizálhatjuk ezt a folyamatot” – mondta Nikica Zaninovic, a Weill Cornell Medicine reprodukciós központjának embriológusa.

„Ennek a megoldásnak a teljes lombikprogramra kiterjedően is pozitív hatása lehetne. Növelné a sikeres beavatkozások számát, minimalizálná az ikerterhesség kockázatát és mérsékelhetné az egész folyamat költségét is” – véli Zev Rosenwaks, a központ vezetője.

A rendszer jelenleg kizárólag kísérleti felhasználásra a Weill Cornell Medicine szakemberei számára áll csak rendelkezésre. „Egy-két éven belül várható, hogy elterjedtebbé válik az alkalmazása” – vetítette előre az embriológus.

Mesterséges intelligencia a rákkutatásban

Az MIT Computer Science és az AI Lab közös kutatása a mammográfiás felvételek elemzésében hozna előrelépést. Az algoritmus képes megállapítani, hogy kiknél nagy a valószínűsége a mellrák későbbi kialakulásának.

A modell – amelyet 60.000 nőtől származó adat alapján tréningeztek – megfigyelt olyan mintákat a mellszövetben, amelyek a daganatos betegség előjelei, azonban emberi szemmel nem láthatók. A program a már meglévő eljárásoknál jobban teljesített. A rákbetegek 31%-át ugyanis a legmagasabb kockázatú kategóriába helyezte szemben a tradicionális modellekkel, ahol ugyanez az arány mindössze 18% volt.

„Egy olyan modellt szerettem volna kifejleszteni, amely meg tudja mondani, hogy mekkora a rák kialakulásának a kockázata” – mondta Regina Barzilay, az MIT professzora, aki a Radiology lapban közölt tanulmány vezető szerzője is.

Az MIT kutatói által fejlesztett algoritmus képes a mellrák kockázatát felismerni a nőknél, ezzel elősegítve a korai kezelést

A professzornő maga is mellrák túlélő, felépülése után saját mammográfiai felvételein is alkalmazta a technológiát.  „Rájöttem, hogy a daganat már két évvel a diagnózis előtt jelen volt a mellemben” – emelte ki a kutató. 43 évesen úgy, hogy a családban senki nem szenvedett mellrákban, nem hitte volna, hogy különösebb veszélyben van. A Journal of Medical Genetics lapban megjelent tanulmány ugyanakkor rávilágít, hogy a megbetegedések mindössze 15-20 százaléka örökölt eredetű.

A mesterséges intelligencia alkalmazása tehát segíthet beazonosítani a veszélyeztetett nőket és támogathatja a prevenciót is. „A rák a korai szakaszban általában még kezelhető betegség. Ha sikerül időben sokkal több érintett pácienst beazonosítanunk, illetve meg tudjuk előzni vagy még korai szakaszban tudjuk kezelni a betegséget, az hatalmas előrelépés lenne” – mondta Barzilay.

A modellt már elkezdték használni a Massachusetts-i Általános Kórházban, valamint több amerikai és külföldi kórházzal is folynak az egyeztetések.

Forrás: