Skip to main content
K zobrazení této stránky byl použit automatický překlad. Chcete ji raději zobrazit v angličtině?

Podpora AI pro zdravotnické pracovníky

Gerardo Hermosillo Valadez | Vynálezci roku Siemens | Celoživotní úspěch

Zobrazovací technologie, jako jsou rentgenové záření, CT vyšetření a MRI, pomáhají lékařům po celá desetiletí tím, že jim poskytují podrobné snímky kostí a tkáňových struktur uvnitř těla pacienta. „Všechny tyto technologie nám poskytují obrazová data, která jsou užitečná při diagnostice, pouze pokud je lze správně interpretovat. Někdo například musí pochopit, že jemná čára na rentgenovém snímku ukazuje, že je zlomená kost, nebo si všimnout neobvyklé hmotnosti ve velkém množství dat ze skenování MRI, „říká Gerardo Hermosillo Valadez z Siemens Healthineers (SHS), vynálezce roku 2024 v kategorii Lifetime Achievement. „Moje oddělení pracuje na procesech AI, které mohou interpretovat lékařské obrazy, a tím ulevit a podporovat zdravotnický personál.“

Interpretace obrazu s umělou inteligencí

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

Gerardo Hermosillo Valadez je vynálezcem roku 2024: Jeho vynález rozvíjí anatomickou inteligenci

Lidé jsou obvykle velmi dobří v pozorování věcí na obrázcích. Například pro většinu lidí bude snadné rozpoznat páteř na rentgenových snímcích - i když se snímky hodně liší v důsledku různých postojů pacienta, různých úhlů, ze kterých je snímek pořízen, velkých nebo malých kostí nebo zdravých vs. deformovaných trnů. Počítače to dokážou pouze pomocí umělé inteligence - s hlubokým učením - a pouze pokud byly vyškoleny s mnoha vhodnými vzorky. „Takto může umělá inteligence rozvíjet anatomickou inteligenci, aby si mohla najít cestu prostřednictvím lékařských obrazů a správně kategorizovat různé kosti, orgány a tkáně,“ říká Gerado. „Stejně tak se AI může naučit rozlišovat mezi normální a abnormální tkání.“

Inovace, které utvářejí celou řadu produktů SHS

Existuje mnoho různých aplikací pro rozpoznávání obrazu řízené umělou inteligencí v každodenním životě v nemocnicích a lékařských ordinacích: například se systém může naučit zobrazovat správná obrazová data v reakci na instrukci jako „Zobrazit pravou lopatku“. Může také poskytnout automatizovanou podporu pro radiologická vyšetření, která určí, kdy injektovaná kontrastní látka dosáhla vyšetřovaného orgánu, a analyzovat obrazová data na možné patogenní změny. Mnoho inovací, které Gerardo řídil, je všudypřítomné v celém produktovém sortimentu SHS.

Různé strategie učení AI

„Umělá inteligence je jen tak dobrá jako data, se kterými byla trénována,“ zdůrazňuje Gerardo. „Aby bylo možné rozpoznat nádory na snímku MRI, muselo se nejprve poučit z tisíců snímků zdravých i nemocných lidí, které jsme mu dali k dispozici.“ Existují tři základní přístupy k výcviku AI: učení pod dohledem, učení se slabým dohledem a učení s vlastním dohledem. Při učení pod dohledem dostává AI přesné informace pro každou sadu dat: například „V pravém horním rohu obrázku je nádor.“ Při slabě kontrolovaném učení je uvedeno pouze několik informačních štítků: například nádor nebo žádný nádor. Při učení s vlastním dohledem nemají data vůbec žádné štítky a umělá inteligence se učí nezávisle: například skrýváním částí před existujícími ukázkovými obrázky a „hádáním“, jak vypadají.

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

Jeho vynález utváří celou řadu produktů Siemens Healthineers

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

Umělá inteligence se může naučit najít cestu prostřednictvím lékařských obrazů a správně je kategorizovat.

Téměř stejně chytrý jako anatomický atlas

Učení pod dohledem je nejrychlejší a nejefektivnější způsob, jak se umělá inteligence učit, ale získání dostatečných údajů o školení, která zohledňují všechny relevantní aspekty, je časově náročné a nákladné. Samostatné učení vyžaduje nejvíce času na učení, ale umělá inteligence může pracovat nezávisle bez nákladného označování dat. „V poslední době jsme se soustředili na nejnovější techniky učení s vlastním dohledem, techniky, jako jsou ty, které používá ChatGPT,“ říká Gerardo. „To nám dalo výraznou podporu, zejména v oblasti anatomické inteligence. Naše AI je nyní téměř stejně chytrá jako atlas anatomie. Dokáže rozlišit asi 200 různých orientačních bodů (částí těla) a lokalizovat je v zobrazovacím materiálu.