Skip to main content
Тази страница се показва с помощта на автоматизиран превод. Вместо това вижте на английски?

AI поддръжка за медицински специалисти

Херардо Ермосило Валадес | Изобретатели на годината на Siemens | Цялостепенно постижение

Технологиите за изображения като рентгенови лъчи, компютърна томография и MRI помагат на лекарите от десетилетия, като им дават подробни изображения на костите и тъканните структури в тялото на пациента. „Всички тези технологии ни предоставят данни за изображения, които са полезни само при поставяне на диагноза, ако могат да бъдат интерпретирани правилно. Например, някой трябва да разбере, че фината линия в рентгеновото изображение показва, че костта е счупена, или да забележи необичайната маса в голямото количество данни от ЯМР сканиране „, казва Херардо Ермосило Валадес от Siemens Healthineers (SHS), изобретател на годината 2024 в категорията за цял живот. „Моят отдел работи върху процеси на изкуствен интелект, които могат да интерпретират медицински изображения и по този начин да облекчат и подкрепят медицинския персонал.“

Тълкуване на изображението с изкуствен интелект

A man in a suit and tie is standing in front of a building with a large window.

Херардо Ермосило Валадес е изобретател на годината 2024: Неговото изобретение развива анатомична интелигентност

Хората обикновено са много добри в забелязването на неща на снимките. Например, повечето хора ще намерят лесно да разпознаят гръбначния стълб при рентгенови изображения - дори ако изображенията се различават много поради различни пози на пациента, различни ъгли, от които е направена снимката, големи или малки кости или здрави срещу деформирани бодли. Компютрите могат да направят това само с помощта на изкуствен интелект - с дълбоко обучение - и само ако са обучени с много подходящи проби. „Ето как изкуственият интелект може да развие анатомичен интелект, така че да може да намери пътя си през медицински изображения и правилно да категоризира различните кости, органи и тъкани“, казва Джерадо. „По същия начин AI може да се научи да прави разлика между нормална и анормална тъкан.“

Иновации, които оформят цялата продуктова гама SHS

Има много различни приложения за разпознаване на изображения, управлявано от изкуствен интелект, в ежедневието в болници и лекарски кабинети: например системата може да се научи да показва правилните данни за изображението в отговор на инструкция като „Покажи дясната лопатка“. Той може също така да осигури автоматизирана поддръжка за радиологични изследвания, които определят кога инжектираната контрастна среда е достигнала органа, който ще бъде изследван, и да анализира данните от изображението за възможни патогенни промени. Много от иновациите, които Gerardo управлява, са повсеместни в цялата продуктова гама на SHS.

Различни стратегии за обучение на AI

„Изкуственият интелект е толкова добър, колкото данните, с които е обучен“, подчертава Херардо. „За да разпознаем тумори в ЯМР изображение, първо трябва да се научи от хиляди изображения на здрави и болни хора, които сме му предоставили.“ Има три основни подхода за обучение на ИИ: контролирано обучение, слабо контролирано обучение и самоконтролирано обучение. При контролирано обучение AI получава точна информация за всеки набор от данни: например „Има тумор в горния десен ъгъл на изображението“. При слабо контролирано обучение се дават само няколко информационни етикета: например тумор или без тумор. При самостоятелно контролирано обучение данните изобщо нямат етикети и AI се учи самостоятелно: например чрез скриване на части от съществуващи примерни изображения и „познаване“ как изглеждат.

Person in black shirt standing against white wall, holding a dark object with blurred background.

Неговото изобретение оформя цялата продуктова гама на Siemens Healthineers

Serious man in black shirt with tattoo standing against white wall, partially illuminated from right side

Изкуственият интелект може да се научи да намира пътя си чрез медицински изображения и правилно да го категоризира.

Почти толкова умен, колкото атлас на анатомията

Надзорното обучение е най-бързият и най-ефективен начин за учене на изкуствен интелект, но е отнемащо време и скъпо да се получат достатъчно данни за обучение, които да вземат предвид всички съответни аспекти. Самоконтролираното обучение изисква най-много време за обучение, но изкуственият интелект може да работи самостоятелно без скъпо етикетиране на данни. „Напоследък се концентрираме върху най-новите самоуправлявани техники за обучение, техники като тези, използвани от ChatGPT“, казва Херардо. „Това ни даде значителен тласък, особено в областта на анатомичната интелигентност. Нашият AI сега е почти толкова умен, колкото атлас на анатомията. Той може да разграничи около 200 различни ориентири (части на тялото) и да ги локализира в образния материал.