Skip to main content
Denne side vises ved hjælp af automatiseret oversættelse. Vil du have den vist på engelsk i stedet?

AI support til medicinske fagfolk

Gerardo Hermosillo Valadez | Siemens Årets opfindere | Livstidspræstation

Billedbehandlingsteknologier som røntgenstråler, CT-scanninger og MR'er har hjulpet læger i årtier ved at give dem detaljerede billeder af knogler og vævsstrukturer inde i patientens krop. „Alle disse teknologier giver os billeddata, der kun er nyttige med en diagnose, hvis de kan fortolkes korrekt. For eksempel skal nogen forstå, at den fine linje i røntgenbilledet viser, at en knogle er brudt, eller bemærke den usædvanlige masse i den store mængde data fra en MR-scanning,“ siger Gerardo Hermosillo Valadez fra Siemens Healthineers (SHS), Årets opfinder 2024 i kategorien Lifetime Achievement. „Min afdeling arbejder på AI-processer, der kan fortolke medicinske billeder og derved aflaste og støtte medicinsk personale.“

Billedfortolkning med kunstig intelligens

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

Gerardo Hermosillo Valadez er Årets opfinder 2024: Hans opfindelse udvikler anatomisk intelligens

Folk er normalt meget gode til at få øje på ting på billeder. For eksempel vil de fleste finde det let at genkende rygsøjlen på røntgenbilleder - selvom billederne adskiller sig meget på grund af patientens forskellige stillinger, forskellige vinkler, hvorfra billedet er taget, store eller små knogler eller sunde vs. deformerede rygsøjler. Computere kan kun gøre dette ved hjælp af kunstig intelligens - med dyb læring - og kun hvis de er blevet trænet med mange passende prøver. „Sådan kan kunstig intelligens udvikle anatomisk intelligens, så den kan finde vej gennem medicinske billeder og korrekt kategorisere de forskellige knogler, organer og væv“ siger Gerado. „På samme måde kan AI lære at skelne mellem normalt og unormalt væv.“

Innovationer, der former hele SHS-produktsortimentet

Der er mange forskellige applikationer til AI-drevet billedgenkendelse i hverdagen på hospitaler og lægekontorer: for eksempel kan et system lære at vise de korrekte billeddata som svar på en instruktion som „Vis det rigtige skulderblad.“ Det kan også give automatiseret støtte til radiologiske undersøgelser, der bestemmer, hvornår det injicerede kontrastmedium har nået det organ, der skal undersøges, og analysere billeddata for mulige patogene ændringer. Mange af de innovationer, som Gerardo har drevet frem, er allestedsnærværende i hele SHS-produktsortimentet.

Forskellige AI-læringsstrategier

„Kunstig intelligens er kun så god som de data, den er blevet trænet med,“ understreger Gerardo. „For at genkende tumorer i et MR-billede skal det først have lært af tusinder af billeder af både raske og syge mennesker, som vi har stillet til rådighed for det.“ Der er tre grundlæggende tilgange til træning af AI: overvåget læring, svagt overvåget læring og selvovervåget læring. Ved overvåget læring får AI præcise oplysninger for hvert datasæt: for eksempel „Der er en tumor i øverste højre hjørne af billedet.“ Ved svagt overvåget læring gives kun et par infoetiketter: for eksempel tumor eller ingen tumor. Ved selvovervåget læring har dataene slet ingen etiketter, og AI lærer uafhængigt: for eksempel ved at skjule dele fra eksisterende prøvebilleder og „gætte“, hvordan de ser ud.

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

Hans opfindelse former hele Siemens Healthineers produktsortiment

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

Kunstig intelligens kan lære at finde vej gennem medicinske billeder og kategorisere den korrekt.

Næsten lige så smart som et anatomi-atlas

Overvåget læring er den hurtigste og mest effektive måde for AI at lære på, men det er tidskrævende og dyrt at få tilstrækkelige træningsdata, der tager højde for alle relevante aspekter. Selvovervåget læring kræver mest læringstid, men AI kan arbejde uafhængigt uden dyr datamærkning. „For nylig har vi koncentreret os om de nyeste selvovervågede læringsteknikker, teknikker som dem, der bruges af ChatGPT,“ siger Gerardo. „Det har givet os et betydeligt løft, især inden for anatomisk intelligens. Vores AI er nu næsten lige så smart som et anatomi-atlas. Det kan skelne mellem omkring 200 forskellige vartegn (kropsdele) og lokalisere dem i billedmaterialet.