Sztuczna inteligencja w medycynie
Sztuczna inteligencja w badaniach obrazowych
Od 1895 roku, kiedy to przełomowym wydarzeniem w medycynie było odkrycie promieniowania Roentgena, badania obrazowe przeszły rewolucję. Wówczas naświetlanie trwało 20 minut – teraz to wręcz niewyobrażalne i niedopuszczalne, bo w takim czasie pacjent pochłaniał potężną dawkę promieni X . Diagnostykę obrazową usprawniono, udało się opracować badania USG wykorzystujące fale ultradźwiękowe. A obecnie medycyna ma do dyspozycji tomografy komputerowe, rezonans magnetyczny wykorzystujący pole magnetyczne, pozwalające na obrazowanie funkcji narządów i organów w ludzkim organizmie lub skanowanie całego organizmu w poszukiwaniu patologicznych zmian.
Każda z tych metod ma plusy i minusy. W każdej z metod diagnostyki obrazowej są zakłócenia, artefakty, niekompletnie zobrazowane obszary, czyli badanie nie zobrazowało dokładnie badanego obszaru, a radiolog nie był w stanie dokładnie ocenić zmian. Czasami choroba jest na tak wczesnym etapie, że trudno ją ocenić. I tu z pomocą przychodzi sztuczna inteligencja – wyjaśnił dr Maciej Bobowicz z II Zakładu Radiologii Gdańskiego Uniwersytetu Medycznego.
Jako przykład podał badanie mammograficzne, które ma wykryć zmiany nowotworowe już na bardzo wczesnym etapie a lekarz radiolog może mieć trudność w ocenie obrazu z kilku bardzo prostych przyczyn:
- Bardzo subtelne cechy złośliwości;
- Powolna zmiana wyglądu z normalnego w nowotworowy;
- Gęsta tkanka gruczołowa zasłaniająco zmiany;
- Zmiany nowotworowe słabo widzialne;
- Ograniczone obszary asymetrii;
- Wygląd sugerujący zmianę łagodną;
- Zmiany zlokalizowane poza obszarem obrazowania;
- Czynnik ludzki, czyli zmęczenie diagnosty.
I w takich właśnie przypadkach z pomocą przychodzi sztuczna inteligencja.
Obecnie realizujemy grant „Europejska platforma badań radiologicznych integrująca dane kliniczne w oparciu o sztuczną inteligencję kolejnej generacji dla medycyny celowanej w onkologii”, licząc, że sztuczna inteligencja pomoże w diagnostyce, ale na pewno nas nie zastąpi – powiedział dr. Maciej Bobowicz.
Jego zdaniem, algorytmy, aplikacje, czy jakkolwiek je nazwiemy „potrafią” zaznaczyć zmiany, które nie dają objawów, a także zmiany obrazowe, które nie do końca mają jasny charakter.
Gdy uda nam się wykryć taką zmianę przy użyciu sztucznej inteligencji, jesteśmy w stanie podać jej charakterystykę, czyli stworzyć klasyfikację i określić, do jakiej grupy dana zmiana może przynależeć. Poza tym możemy określić rozległość zmiany. Sztuczna inteligencja może użyć klasyfikatorów typu zmiany złośliwe, łagodne. Jesteśmy w stanie określić typy i podtypy nowotworów, z którymi mamy do czynienia oraz stopnie zaawansowania i grupy ryzyka, a przekłada się to na to jakość leczenia. Jesteśmy w stanie szybciej postawić właściwą diagnozę – podkreślił dr. Maciej Bobowicz.
Mogą zainteresować Cię również
Ortodoncja w praktyce
Zastosowanie śruby wachlarzowej do szybkiej ekspansji podniebienia w odcinku przednim – opis przypadku
Zwężenie górnego łuku zębowego jest jednym z najczęstszych problemów, jakie lekarz ortodonta napotyka w swojej praktyce. Nieprawidłowość ta nierzadko dotyczy jedynie przedniego odcinka szczęki, przy zachowanej prawidłowej szerokości w zakresie zęb...
Łączne leczenie ortodontyczne i chirurgiczne ciężkiej wady zgryzu klasy III ze zgryzem krzyżowym przednim i tylnym
W niniejszej pracy kazuistycznej przedstawiono przypadek dorosłego pacjenta z ciężką szkieletową wadą zgryzu klasy III, z ewidentnym niedorozwojem szczęki i nadmiernie rozwiniętą żuchwą, co powodowało zgryz krzyżowy przedni i tylny, a także przesu...
Optymalizacja estetyki szczęki w przypadku poważnie zniszczonego zęba z wykorzystaniem ruchu ortodontycznego i implantów zębowych
Celem niniejszej pracy jest przedstawienie leczenia urazowego uszkodzenia lewego centralnego zęba siecznego szczęki poprzez odbudowę wału dziąsłowego, przeprowadzenie ruchu ortodontycznego i wszczepienie implantu.