Skip to main content

AI-támogatás az egészségügyi szakemberek számára

Gerardo Hermosillo Valadez | Siemens Az év feltalálói I Életműdíj

Az olyan képalkotó technológiák, mint a röntgen, a CT-vizsgálatok és az MRI-k, évtizedek óta segítik az orvosokat azzal, hogy részletes képeket adnak a csontokról és a szöveti struktúrákról a páciens testében. „Mindezek a technológiák olyan képi adatokat szolgáltatnak számunkra, amelyek csak akkor segítik a diagnózist, ha helyesen értelmezik őket. Valakinek például meg kell értenie, hogy a röntgenképen látható vékony vonal azt jelzi, hogy a csont eltört, vagy észre kell vennie a szokatlan képletet az MRI-vizsgálatból származó nagy mennyiségű adatban” – mondja Gerardo Hermosillo Valadez a Siemens Healthineersnél (SHS), aki 2024-ben az Életműdíj kategóriában lett Az év feltalálója. „Az osztályom olyan AI-eljárásokon dolgozik, amelyek képesek értelmezni az orvosi képeket, és ezáltal tehermentesítik, illetve támogatják az egészségügyi személyzetet.”

Képértelmezés mesterséges intelligenciával

Öltönyös és nyakkendős férfi áll egy épület előtt, amelynek nagy ablaka van.

Gerardo Hermosillo Valadez 2024-ben Az év feltalálója: találmánya anatómiai intelligenciát fejleszt

Az emberek általában nagyon jól észrevesznek dolgokat a képeken. Például a legtöbb ember könnyen felismeri a gerincet a röntgenképeken – még akkor is, ha a képek nagyon eltérnek egymástól a beteg különböző testtartása, a felvétel különböző szögei, a nagyobb vagy kisebb csontok, illetve az egészséges vagy deformált gerinc miatt. A számítógépek erre csak mesterséges intelligencia – deep learning – segítségével képesek, és csak akkor, ha sok megfelelő mintával betanították őket. „Így képes a mesterséges intelligencia anatómiai intelligenciát kialakítani, hogy eligazodjon az orvosi képeken, és megfelelően kategorizálja a különböző csontokat, szerveket és szöveteket” – mondja Gerardo. „Ugyanígy az AI azt is megtanulhatja, hogyan különböztesse meg a normális és a rendellenes szöveteket.”

Az SHS teljes termékportfólióját formáló innovációk

Az AI-alapú képfelismerésnek számos különböző alkalmazása van a kórházak és orvosi rendelők mindennapjaiban: például egy rendszer megtanulhatja, hogy egy olyan utasításra, mint „Mutassa a jobb lapockát”, a megfelelő képi adatokat jelenítse meg. Automatizált támogatást is nyújthat a radiológiai vizsgálatokhoz annak meghatározására, hogy a beadott kontrasztanyag mikor érte el a vizsgálandó szervet, valamint elemezheti a képi adatokat az esetleges kóros elváltozások szempontjából. A Gerardo által ösztönzött innovációk közül sok már az SHS teljes termékportfóliójában jelen van.

Különböző AI-tanulási stratégiák

„A mesterséges intelligencia csak annyira jó, amennyire azok az adatok, amelyeken betanították” – hangsúlyozza Gerardo. „Ahhoz, hogy felismerje a daganatokat egy MRI-képen, először több ezer egészséges és beteg ember képéből kellett megtanulnia azt, amit elérhetővé tettünk számára. Az AI betanításának három alapvető megközelítése van: felügyelt tanulás, gyengén felügyelt tanulás és önfelügyelt tanulás. A felügyelt tanulás során az AI minden adathalmazhoz pontos információt kap: például ‘A daganat a kép jobb felső sarkában található.’ A gyengén felügyelt tanulás során csak néhány információs címkét kap: például daganat vagy nincs daganat. Az önfelügyelt tanulás során az adatok egyáltalán nem tartalmaznak címkéket, és az AI önállóan tanul: például úgy, hogy meglévő mintaképek egyes részeit eltakarja, és ‘kitalálja’, hogyan néznek ki.

Fekete pólós személy áll fehér fal előtt, sötét tárgyat tart a kezében, elmosódott háttérrel.

Találmánya a Siemens Healthineers teljes termékportfólióját formálja

Komoly férfi fekete pólóban, tetoválással, fehér fal előtt áll, jobb oldalról részben megvilágítva

A mesterséges intelligencia képes megtanulni, hogyan igazodjon el az orvosi képeken, és hogyan kategorizálja azokat megfelelően.

Majdnem olyan okos, mint egy anatómiai atlasz

A felügyelt tanulás a leggyorsabb és leghatékonyabb módja annak, hogy az AI tanuljon, de időigényes és költséges elegendő olyan betanítási adatot előállítani, amely minden releváns szempontot figyelembe vesz. Az önfelügyelt tanulás igényli a legtöbb tanulási időt, viszont az AI drága adatcímkézés nélkül, önállóan tud dolgozni. „Az utóbbi időben a legújabb önfelügyelt tanulási technikákra összpontosítottunk, olyan technikákra, mint amelyeket a ChatGPT is használ” – mondja Gerardo. „Ez jelentős lendületet adott nekünk, különösen az anatómiai intelligencia területén. AI-megoldásunk ma már majdnem olyan okos, mint egy anatómiai atlasz. Körülbelül 200 különböző landmarkot (testrészt) tud megkülönböztetni, és azokat a képalkotó anyagban lokalizálni.”