Skip to main content

Podrška veštačke inteligencije za medicinske stručnjake

Gerardo Hermosiljo Valadez | Siemens pronalazači godine | Životno dostignuće

Tehnologije snimanja poput rendgenskih zraka, CT skeniranja i magnetne rezonance 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 skena magnetne rezonance „, kaže Gerardo Hermosiljo Valadez iz kompanije Siemens Healthineers (SHS), pronalazač godine 2024. u kategoriji životno dostignuće. „Moje odeljenje radi na procesima AI koji mogu da tumače medicinske slike i na taj način olakšaju i podrže medicinsko osoblje.“

Tumačenje slike uz pomoć veštačke inteligencije

Muškarac u odelu i kravati stoji ispred zgrade sa velikim prozorom.

Gerardo Hermosiljo 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 kičmi. Računari to mogu učiniti samo koristeći veštačku inteligenciju - uz duboko učenje - i samo ako su obučeni sa mnogo odgovarajućih uzoraka. „Ovako veštačka inteligencija može da razvije anatomsku inteligenciju tako da može da pronađe svoj put kroz medicinske slike i pravilno kategorizira različite kosti, organe i tkiva“ kaže Gerado. „Na isti način, AI može da nauči da razlikuje normalno i abnormalno tkivo.“

Inovacije koje oblikuju čitav asortiman proizvoda SHS-a

Postoji mnogo različitih aplikacija za prepoznavanje slika vođeno veštačkom inteligencijom u svakodnevnom životu u bolnicama i lekarskim ordinacijama: na primer, sistem može da nauči da prikazuje tačne podatke o slici kao odgovor na uputstvo poput „Prikaži desnu lopaticu“. Takođe može da pruži automatizovanu podršku za radiološke preglede koji određuju kada je ubrizgano kontrastno sredstvo stiglo do organa koji se ispituje, i da analizira podatke o slici za moguće patogene promene. Mnoge inovacije koje je Gerardo vodio 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 slici magnetne rezonance, morala je prvo naučiti iz hiljada slika zdravih i bolesnih ljudi koje smo joj stavili na raspolaganje.“ Postoje tri osnovna pristupa obuci veštačke inteligencije: nadzirano učenje, slabo nadzirano učenje i učenje pod samonadzorom. U nadziranom učenju, AI dobija precizne informacije za svaki skup podataka: na primer, „Postoji tumor u gornjem desnom uglu slike.“ U slabo nadziranom 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 oni izgledaju.

Osoba u crnoj majici koja stoji uz beli zid, drži tamni predmet sa zamagljenom pozadinom.

Njegov pronalazak oblikuje čitav asortiman proizvoda Siemens Healthineers

Ozbiljan čovek u crnoj majici sa tetovažom stoji uz beli zid, delimično osvetljen sa desne strane

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

Skoro pametna kao atlas anatomije

Nadzirano učenje je najbrži i najefikasniji način da AI uči, 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 da radi 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 da razlikuje oko 200 različitih orijentira (delova tela) i da ih locira u slikovnom materijalu.