Skip to main content

DI parama medicinos specialistams

Gerardo Hermosillo Valadezas | Siemens Metų išradėjai | Viso Gyvenimo Pasiekimas

Vaizdavimo technologijos, tokios kaip rentgeno spinduliai, KT skenavimai ir MRT, dešimtmečius padeda gydytojams, suteikdamos jiems išsamius paciento kūno viduje esančių kaulų ir audinių struktūrų vaizdus. "Visos šios technologijos mums suteikia vaizdinius duomenis, kurie diagnozei nustatyti naudingi tik tada, jei juos pavyksta teisingai interpretuoti. Pavyzdžiui, kažkas turi suprasti, kad plona linija rentgeno nuotraukoje rodo lūžusį kaulą, arba pastebėti neįprastą darinį didžiuliame MRT skenavimo duomenų kiekyje", sako Gerardo Hermosillo Valadez iš Siemens Healthineers (SHS), 2024 Metų Išradėjas kategorijoje už Viso Gyvenimo Pasiekimus. "Mano padalinys dirba su DI procesais, kurie gali interpretuoti medicininius vaizdus ir taip palengvinti darbą bei padėti medicinos personalui."

Vaizdų interpretavimas naudojant dirbtinį intelektą

Vyras su kostiumu ir kaklaraiščiu stovi priešais pastatą su dideliu langu.

Gerardo Hermosillo Valadezas yra 2024 Metų Išradėjas. Jo išradimas lavina anatominį intelektą

Žmonės paprastai labai gerai pastebi dalykus nuotraukose. Pavyzdžiui, daugumai žmonių bus lengva atpažinti stuburą rentgeno nuotraukose – net jei vaizdai labai skiriasi dėl skirtingos paciento laikysenos, skirtingų kampų, kuriais daryta nuotrauka, didelių ar mažų kaulų, ar sveikų bei deformuotų stuburų. Kompiuteriai tai gali padaryti tik naudodami dirbtinį intelektą – su giliuoju mokymusi – ir tik tada, jei jie buvo apmokyti naudojant daug tinkamų pavyzdžių. "Štai kaip dirbtinis intelektas gali išugdyti anatominį intelektą, kad galėtų orientuotis medicininiuose vaizduose ir teisingai klasifikuoti skirtingus kaulus, organus bei audinius", sako Gerado. "Lygiai taip pat DI gali išmokti atskirti normalų audinį nuo pakitusio."

Naujovės, kurios formuoja visą SHS produktų asortimentą

Kasdienėje ligoninių ir gydytojų kabinetų veikloje yra daugybė skirtingų DI pagrįsto vaizdų atpažinimo pritaikymo būdų: pavyzdžiui, sistema gali išmokti parodyti teisingus vaizdo duomenis reaguodama į nurodymą „Parodyk dešinę mentę“. Ji taip pat gali suteikti automatizuotą pagalbą radiologiniams tyrimams, nustatydama, kada suleista kontrastinė medžiaga pasiekė tiriamą organą, ir analizuoti vaizdo duomenis dėl galimų patogeninių pokyčių. Daugelis Gerardo skatintų naujovių yra plačiai paplitusios visame SHS produktų asortimente.

Skirtingos DI mokymosi strategijos

"Dirbtinis intelektas yra tiek geras, kiek geri yra duomenys, kuriais jis buvo apmokytas", pabrėžia Gerardo. "Norėdamas atpažinti auglius MRT vaizde, jis pirmiausia turi pasimokyti iš tūkstančių sveikų ir sergančių žmonių vaizdų, kuriuos mes jam pateikėme." Yra trys pagrindiniai DI mokymo būdai: prižiūrimas mokymasis, iš dalies prižiūrimas mokymasis ir savarankiškas mokymasis. Prižiūrimo mokymosi metu DI kiekvienam duomenų rinkiniui gauna tikslią informaciją: pavyzdžiui, "Viršutiniame dešiniajame vaizdo kampe yra auglys." Iš dalies prižiūrimo mokymosi metu pateikiamos tik kelios informacinės etiketės: pavyzdžiui, auglys arba nėra auglio. Savarankiško mokymosi metu duomenys visai neturi etikečių, o DI mokosi savarankiškai: pavyzdžiui, paslėpdamas esamų pavyzdinių vaizdų dalis ir "spėdamas", kaip jos atrodo.

Asmuo juodais marškiniais, stovintis prie baltos sienos, laikantis tamsų objektą, fone – sulietas vaizdas.

Jo išradimas formuoja visą Siemens Healthineers produktų asortimentą

Rimtas vyras juodais marškiniais su tatuiruote, stovintis prie baltos sienos, iš dalies apšviestas iš dešinės pusės

Dirbtinis intelektas gali išmokti orientuotis medicininiuose vaizduose ir teisingai juos klasifikuoti.

Beveik toks pat išmanus kaip anatomijos atlasas

Prižiūrimas mokymasis yra greičiausias ir efektyviausias būdas DI mokytis, tačiau gauti pakankamai mokomųjų duomenų, įvertinančių visus svarbius aspektus, užtrunka ir brangiai kainuoja. Savarankiškas mokymasis reikalauja daugiausiai mokymosi laiko, tačiau DI gali dirbti nepriklausomai, be brangaus duomenų žymėjimo. "Pastaruoju metu mes sutelkėme dėmesį į naujausius savarankiško mokymosi metodus, panašius į tuos, kuriuos naudoja ChatGPT," sako Gerardo. "Tai suteikė mums didelį postūmį, ypač anatomijos intelekto srityje. Mūsų DI dabar yra beveik toks pat išmanus kaip anatomijos atlasas. Jis gali atskirti apie 200 skirtingų orientyrų (kūno dalių) ir rasti jų vietą vaizdinėje medžiagoje."