Skip to main content
This page is displayed using automated translation. View in English instead?

AI podrška za medicinske stručnjake

Gerardo Hermosillo Valadez | Siemens pronalazači godine | Životno dostignuće

Tehnologije snimanja poput rendgenskih zraka, CT skeniranja i MRI decenijama pomažu lekarima dajući im detaljne slike kostiju i struktura tkiva u telu pacijenta. „Sve ove tehnologije pružaju nam podatke o slici koji su korisni samo kod dijagnoze ako se mogu pravilno protumačiti. Na primer, neko mora da shvati da fina linija na rendgenskoj slici pokazuje da je kost slomljena ili da primeti neobičnu masu u velikoj količini podataka sa MRI skeniranja „, kaže Gerardo Hermosillo Valadez iz kompanije Siemens Healthineers (SHS), pronalazač godine 2024. u kategoriji životno dostignuće. „Moje odeljenje radi na procesima AI koji mogu tumačiti medicinske slike i na taj način olakšati i podržati medicinsko osoblje.“

Tumačenje slike sa veštačkom inteligencijom

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

Gerardo Hermosillo Valadez je pronalazač godine 2024: Njegov pronalazak razvija anatomsku inteligenciju

Ljudi su obično veoma dobri u uočavanju stvari na slikama. Na primer, većini ljudi će lako prepoznati kičmu na rendgenskim slikama - čak i ako se slike mnogo razlikuju zbog različitih položaja pacijenta, različitih uglova iz kojih se slika snima, velikih ili malih kostiju ili zdravih naspram deformisanih bodlji. Računari to mogu učiniti samo koristeći veštačku inteligenciju - uz duboko učenje - i samo ako su obučeni sa mnogo odgovarajućih uzoraka. „Ovako veštačka inteligencija može razviti anatomsku inteligenciju tako da može pronaći svoj put kroz medicinske slike i pravilno kategorizirati različite kosti, organe i tkiva“ kaže Gerado. „Na isti način, AI može naučiti da razlikuje normalno i abnormalno tkivo.“

Inovacije koje oblikuju čitav asortiman proizvoda SHS

Postoji mnogo različitih aplikacija za prepoznavanje slika vođeno veštačkom inteligencijom u svakodnevnom životu u bolnicama i lekarskim ordinacijama: na primer, sistem može naučiti da prikazuje tačne podatke o slici kao odgovor na uputstvo poput „Prikaži desnu lopaticu“. Takođe može pružiti automatizovanu podršku za radiološke preglede koji određuju kada je ubrizgano kontrastno sredstvo stiglo do organa koji se ispituje, i analizirati podatke o slici za moguće patogene promene. Mnoge inovacije koje je Gerardo vozio sveprisutne su u čitavom ASortimanu SHS proizvoda.

Različite strategije učenja AI

„Veštačka inteligencija je dobra samo koliko i podaci sa kojima je obučena“, naglašava Gerardo. „Da bi prepoznali tumore na MRI slici, moralo je prvo naučiti iz hiljada slika zdravih i bolesnih ljudi koje smo mu stavili na raspolaganje.“ Postoje tri osnovna pristupa obuci veštačke inteligencije: nadzirano učenje, slabo nadzirano učenje i učenje pod nadzorom. U nadzorovanom učenju, AI dobija precizne informacije za svaki skup podataka: na primer, „Postoji tumor u gornjem desnom uglu slike.“ U slabo nadgledanom učenju dato je samo nekoliko informativnih oznaka: na primer, tumor ili bez tumora. U samonadziranom učenju podaci uopšte nemaju oznake, a AI uči samostalno: na primer, skrivanjem delova sa postojećih uzoraka slika i „nagađanjem“ kako izgledaju.

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

Njegov pronalazak oblikuje čitav asortiman proizvoda Siemens Healthineers

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

Veštačka inteligencija može naučiti da pronađe svoj put kroz medicinske slike i pravilno ih kategorizuje.

Skoro pametan kao atlas anatomije

Nadzirano učenje je najbrži i najefikasniji način da AI uče, ali je dugotrajno i skupo dobiti dovoljno podataka o obuci koji uzimaju u obzir sve relevantne aspekte. Samonadzirano učenje zahteva najviše vremena za učenje, ali AI može raditi samostalno bez skupog označavanja podataka. „Nedavno smo se koncentrisali na najnovije tehnike učenja pod nadzorom, tehnike poput onih koje koristi ChatGPT“, kaže Gerardo. „To nam je dalo značajan podsticaj, posebno u oblasti anatomijske inteligencije. Naš AI je sada gotovo jednako pametan kao atlas anatomije. Može razlikovati oko 200 različitih orijentira (delova tela) i locirati ih u slikovnom materijalu.