Skip to main content
Ta stran je prikazana z avtomatskim prevajanjem. Namesto tega glej v angleščini?

Podpora AI za zdravstvene delavce

Gerardo Hermosillo Valadez | Siemensovi izumitelji leta | Življenjski dosežek

Slikovne tehnologije, kot so rentgenski žarki, CT in MRI, že desetletja pomagajo zdravnikom, saj jim dajejo podrobne slike kosti in tkivnih struktur v pacientovem telesu. »Vse te tehnologije nam zagotavljajo slikovne podatke, ki so v pomoč pri diagnozi le, če jih je mogoče pravilno interpretirati. Nekdo mora na primer razumeti, da tanka črta na rentgenski sliki kaže, da je kost zlomljena, ali opaziti nenavadno maso v veliki količini podatkov iz MRI skeniranja, »pravi Gerardo Hermosillo Valadez iz podjetja Siemens Healthineers (SHS), izumitelj leta 2024 v kategoriji Lifetime Achievement. »Moj oddelek dela na procesih umetne inteligence, ki lahko interpretirajo medicinske podobe in s tem razbremenijo in podpirajo medicinsko osebje.«

Interpretacija slike z umetno inteligenco

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

Gerardo Hermosillo Valadez je izumitelj leta 2024: Njegov izum razvija anatomsko inteligenco

Ljudje so običajno zelo dobri pri zaznavanju stvari na slikah. Na primer, večina ljudi bo zlahka prepoznala hrbtenico na rentgenskih slikah - tudi če se slike zelo razlikujejo zaradi različnih položajev pacienta, različnih kotov, iz katerih je posneta slika, velikih ali majhnih kosti ali zdravih in deformiranih bodic. Računalniki lahko to storijo le z umetno inteligenco - z globokim učenjem - in le, če so bili usposobljeni s številnimi ustreznimi vzorci. »Tako lahko umetna inteligenca razvije anatomsko inteligenco, tako da lahko najde pot skozi medicinske slike in pravilno kategorizira različne kosti, organe in tkiva,« pravi Gerado. »Na enak način se lahko AI nauči razlikovati med normalnim in nenormalnim tkivom.«

Inovacije, ki oblikujejo celotno paleto izdelkov SHS

Obstaja veliko različnih aplikacij za prepoznavanje slik, ki ga poganja umetna inteligenca, v vsakdanjem življenju v bolnišnicah in zdravniških ordinacijah: na primer, sistem se lahko nauči prikazati pravilne slikovne podatke kot odgovor na navodilo, kot je »Pokaži desno lopatico«. Zagotavlja lahko tudi avtomatizirano podporo za radiološke preiskave, ki ugotavljajo, kdaj je vbrizgano kontrastno sredstvo doseglo organ, ki ga je treba pregledati, in analizira slikovne podatke glede možnih patogenih sprememb. Številne inovacije, ki jih Gerardo vozi, so vseprisotne v celotni ponudbi izdelkov SHS.

Različne strategije učenja AI

»Umetna inteligenca je le tako dobra kot podatki, s katerimi je bila usposobljena,« poudarja Gerardo. »Da bi prepoznali tumorje na sliki MRI, se je moral najprej naučiti iz tisoč slik zdravih in bolnih ljudi, ki smo jim jih dali na voljo.« Obstajajo trije osnovni pristopi k usposabljanju AI: nadzorovano učenje, šibko nadzorovano učenje in učenje pod nadzorom. Pri nadzorovanem učenju AI dobi natančne informacije za vsak nabor podatkov: na primer »V zgornjem desnem kotu slike je tumor.« Pri šibko nadzorovanem učenju je podanih le nekaj informacijskih oznak: na primer tumor ali brez tumorja. Pri samonadzorovanem učenju podatki sploh nimajo oznak, umetna inteligenca pa se uči samostojno: na primer s skrivanjem delov iz obstoječih vzorčnih slik in »uganjanjem«, kako izgledajo.

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

Njegov izum oblikuje celotno paleto izdelkov Siemens Healthineers

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

Umetna inteligenca se lahko nauči najti pot skozi medicinske slike in jo pravilno kategorizirati.

Skoraj tako pameten kot atlas anatomije

Nadzorovano učenje je najhitrejši in najučinkovitejši način učenja umetne inteligence, vendar je dolgotrajno in drago pridobiti zadostne podatke o usposabljanju, ki upoštevajo vse pomembne vidike. Samonadzorovano učenje zahteva največ časa za učenje, vendar lahko umetna inteligenca deluje samostojno brez dragega označevanja podatkov. »V zadnjem času se osredotočamo na najnovejše tehnike samonadzora učenja, tehnike, kot so tiste, ki jih uporablja ChatGPT,« pravi Gerardo. »To nam je dalo pomemben zagon, zlasti na področju anatomske inteligence. Naš AI je zdaj skoraj tako pameten kot atlas anatomije. Razlikuje lahko približno 200 različnih mejnikov (deli telesa) in jih loči v slikovnem gradivu.