Skip to main content

Podpora AI pre zdravotníckych pracovníkov

Gerardo Hermosillo Valadez | Vynálezcovia roka spoločnosti Siemens | Celoživotný úspech

Zobrazovacie technológie ako röntgenové snímky, CT skeny a MRI už desaťročia pomáhajú lekárom tým, že poskytujú detailné snímky kostí a tkanivových štruktúr vo vnútri tela pacienta. „Všetky tieto technológie nám poskytujú obrazové údaje, ktoré sú užitočné pri diagnostike iba vtedy, keď sa správne interpretujú. Napríklad niekto musí pochopiť, že jemná línia na röntgenovej snímke znamená zlomeninu kosti, alebo si všimnúť nezvyčajnú masu vo veľkom množstve údajov zo skenu MRI,“ hovorí Gerardo Hermosillo Valadez zo Siemens Healthineers (SHS), vynálezca roka 2024 v kategórii Lifetime Achievement. „Moje oddelenie pracuje na AI procesoch, ktoré dokážu interpretovať medicínske snímky a tým uľahčiť a podporiť prácu zdravotníckeho personálu.“

Interpretácia snímok pomocou umelej inteligencie

Muž v obleku a kravate stojí pred budovou s veľkým oknom.

Gerardo Hermosillo Valadez je vynálezca roka 2024: Jeho vynález rozvíja anatomickú inteligenciu

Ľudia sú zvyčajne veľmi dobrí v rozpoznávaní vecí na obrázkoch. Napríklad väčšina ľudí dokáže ľahko rozpoznať chrbticu na röntgenových snímkach – aj keď sa snímky výrazne líšia v dôsledku rôznych polôh pacienta, rôznych uhlov, z ktorých je snímka urobená, veľkých alebo malých kostí, alebo zdravých či deformovaných chrbtíc. Počítače to dokážu len pomocou umelej inteligencie – pomocou hlbokého učenia – a iba vtedy, ak boli trénované na mnohých vhodných vzorkách. „Takto môže umelá inteligencia rozvíjať anatomickú inteligenciu, aby sa dokázala orientovať v medicínskych snímkach a správne kategorizovať rôzne kosti, orgány a tkanivá,“ hovorí Gerardo. „Rovnako sa AI môže naučiť rozlišovať medzi normálnym a abnormálnym tkanivom.“

Inovácie, ktoré formujú celý rad produktov SHS

Existuje mnoho rôznych využití rozpoznávania snímok riadeného AI v každodennom prostredí nemocníc a lekárskych ambulancií: napríklad systém sa môže naučiť zobraziť správne obrazové údaje na základe pokynu ako „Zobraz pravú lopatku.“ Môže tiež poskytovať automatizovanú podporu pri rádiologických vyšetreniach, ktorá určí, kedy injikovaná kontrastná látka dosiahla vyšetrovaný orgán, a analyzovať obrazové údaje pre možné patogénne zmeny. Mnohé z inovácií, ktoré Gerardo rozvíja, sa používajú v celom produktovom portfóliu SHS.

Rôzne stratégie učenia umelej inteligencie

„Umelá inteligencia je len taká dobrá, ako údaje, na ktorých bola trénovaná,“ zdôrazňuje Gerardo. „Aby dokázala rozpoznať nádory na snímke MRI, musí sa najprv učiť z tisícov snímok zdravých aj chorých ľudí, ktoré sme jej poskytli.“ Existujú tri základné prístupy k trénovaniu AI: učenie s dohľadom, slabo kontrolované učenie a samo-kontrolované učenie. Pri učení s dohľadom dostáva AI presné informácie ku každému súboru údajov: napríklad „V pravom hornom rohu snímky sa nachádza nádor.“ Pri slabo kontrolovanom učení sa poskytuje iba niekoľko informačných označení: napríklad nádor alebo bez nádoru. Pri samo-kontrolovanom učení údaje nemajú žiadne označenia a AI sa učí samostatne: napríklad tak, že skryje časti existujúcich vzorových snímok a „odhadne“, ako vyzerajú.

Osoba v čiernej košeli stojí pri bielej stene, drží tmavý predmet, pozadie je rozmazané.

Jeho vynález ovplyvňuje celé produktové portfólio Siemens Healthineers

Vážny muž v čiernej košeli s tetovaním stojí pri bielej stene, čiastočne osvetlený z pravej strany.

Umelá inteligencia sa môže naučiť orientovať v medicínskych snímkach a správne ich kategorizovať.

Takmer také inteligentné ako anatomický atlas

Učenie s dohľadom je najrýchlejší a najefektívnejší spôsob, ako sa môže AI učiť, no získanie dostatočného množstva tréningových údajov, ktoré zohľadňujú všetky relevantné aspekty, je časovo náročné a nákladné. Samo-kontrolované učenie vyžaduje najviac času na učenie, ale AI môže pracovať samostatne bez nákladného označovania údajov. „V poslednom období sme sa zamerali na najnovšie techniky samo-kontrolovaného učenia, techniky podobné tým, ktoré používa ChatGPT,“ hovorí Gerardo. „Prinieslo nám to výrazný posun, najmä v oblasti anatomickej inteligencie. Naša AI je teraz takmer taká inteligentná ako anatomický atlas. Dokáže rozlišovať približne 200 rôznych orientačných bodov (častí tela) a lokalizovať ich v zobrazovacích materiáloch.“