Skip to main content

Supporto dell'IA per i professionisti medici

Gerardo Hermosillo Valadez | Inventori dell'anno Siemens | Riconoscimento alla carriera

Le tecnologie di imaging come i raggi X, le TAC e le risonanze magnetiche aiutano i medici da decenni fornendo loro immagini dettagliate delle ossa e delle strutture dei tessuti all'interno del corpo del paziente. "Tutte queste tecnologie ci forniscono dati di immagine che sono utili per una diagnosi solo se possono essere interpretati correttamente. Ad esempio, qualcuno deve comprendere che la linea sottile nell'immagine a raggi X mostra che un osso è rotto, oppure notare la massa insolita nella grande quantità di dati provenienti da una scansione MRI", afferma Gerardo Hermosillo Valadez di Siemens Healthineers (SHS), Inventore dell'Anno 2024 nella categoria Riconoscimento alla Carriera. "Il mio dipartimento sta lavorando su processi di intelligenza artificiale che possono interpretare immagini mediche e quindi alleviare e supportare il personale medico."

Interpretazione delle immagini con intelligenza artificiale

Un uomo in giacca e cravatta è in piedi di fronte a un edificio con una grande finestra.

Gerardo Hermosillo Valadez è l'Inventore dell'anno 2024: La sua invenzione sviluppa l'intelligenza anatomica

Le persone di solito sono molto brave a individuare cose nelle immagini. Ad esempio, la maggior parte delle persone troverà facile riconoscere la colonna vertebrale nelle immagini radiografiche, anche se le immagini differiscono notevolmente a causa delle diverse posture del paziente, degli angoli da cui viene scattata la foto, delle ossa grandi o piccole, o delle colonne vertebrali sane rispetto a quelle deformate. I computer possono farlo solo utilizzando l'intelligenza artificiale – con l'apprendimento profondo – e solo se sono stati addestrati con molti campioni appropriati. "Questo è il modo in cui l'intelligenza artificiale può sviluppare intelligenza anatomica in modo da poter orientarsi attraverso le immagini mediche e categorizzare correttamente le diverse ossa, organi e tessuti", dice Gerado. "Allo stesso modo, l'IA può imparare a differenziare tra tessuti normali e anormali."

Innovazioni che plasmano l'intera gamma di prodotti SHS

Ci sono molte diverse applicazioni per il riconoscimento delle immagini guidato dall'IA nella vita quotidiana negli ospedali e negli studi medici: ad esempio, un sistema può imparare a visualizzare i dati dell'immagine corretti in risposta a un'istruzione come "Mostra la scapola destra". Può anche fornire supporto automatizzato per esami radiologici che determina quando il mezzo di contrasto iniettato ha raggiunto l'organo da esaminare e analizzare i dati delle immagini per possibili cambiamenti patologici. Molte delle innovazioni che Gerardo ha guidato sono onnipresenti in tutta la gamma di prodotti SHS.

Diverse strategie di apprendimento dell'IA

"L'intelligenza artificiale è buona solo quanto i dati con cui è stata addestrata", sottolinea Gerardo. "Per riconoscere i tumori in un'immagine MRI, è necessario prima aver appreso da migliaia di immagini di persone sane e malate che abbiamo reso disponibili." Ci sono tre approcci di base per l'addestramento dell'IA: apprendimento supervisionato, apprendimento debolmente supervisionato e apprendimento auto-supervisionato. Nell'apprendimento supervisionato, all'IA vengono fornite informazioni precise per ciascun set di dati: ad esempio, "C'è un tumore nell'angolo in alto a destra dell'immagine." Nell'apprendimento debolmente supervisionato, vengono fornite solo poche etichette informative: ad esempio, tumore o nessun tumore. Nell'apprendimento auto-supervisionato, i dati non hanno affatto etichette e l'IA impara in modo indipendente: ad esempio, nascondendo parti di immagini campione esistenti e "indovinando" come appaiono.

Persona in camicia nera in piedi contro un muro bianco, che tiene un oggetto scuro con sfondo sfocato.

La sua invenzione plasma l'intera gamma di prodotti Siemens Healthineers.

Uomo serio in camicia nera con tatuaggio in piedi contro un muro bianco, parzialmente illuminato dal lato destro

L'intelligenza artificiale può imparare a orientarsi attraverso le immagini mediche e a classificarle correttamente.

Quasi intelligente come un atlante anatomico

L'apprendimento supervisionato è il modo più veloce ed efficiente per l'IA di apprendere, ma richiede tempo e risorse per ottenere dati di addestramento sufficienti che tengano conto di tutti gli aspetti rilevanti. L'apprendimento auto-supervisionato richiede il maggior tempo di apprendimento, ma l'IA può lavorare in modo indipendente senza costose etichette di dati. "Recentemente, ci siamo concentrati sulle più recenti tecniche di apprendimento auto-supervisionato, tecniche come quelle utilizzate da ChatGPT", dice Gerardo. "Questo ci ha dato un notevole impulso, soprattutto nel campo dell'intelligenza anatomica. La nostra intelligenza artificiale è ora quasi intelligente come un atlante anatomico. Può distinguere circa 200 diversi punti di repere (parti del corpo) e localizzarli nel materiale di imaging.