Skip to main content

Підтримка ШІ для медичних працівників

Жерардо Ермосілло Валадес (Gerardo Hermosillo Valadez) | Винахідники року Siemens | Прижиттєві досягнення

Технології візуалізації — рентген, КТ й МРТ — працюють у лікарнях протягом десятиліть, надаючи детальні зображення кісток і тканинних структур всередині тіла пацієнта. «Усі ці технології надають нам дані зображення, які корисні для діагностики лише в тому випадку, якщо їх можна правильно інтерпретувати. Наприклад, необхідно розуміти, що тонка лінія на рентгенівському знімку вказує на зламану кістку, або помітити незвичайну масу серед великої кількості даних, отриманих з МРТ», — каже Герардо Ермосілло Валадес із Siemens Healthineers (SHS), винахідник року 2024 в номінації «Прижиттєві досягнення». «Мій відділ працює над процесами ШІ, які можуть інтерпретувати медичні зображення і тим самим полегшити роботу медичного персоналу».

Інтерпретація зображення за допомогою штучного інтелекту

Чоловік у костюмі й краватці стоїть перед будівлею з великим вікном.

Герардо Ермосілло Валадес — володар титулу «Винахідник року 2024»: його винахід розвиває анатомічний аналіз

Люди зазвичай дуже добре помічають речі на фотографіях. Наприклад, більшості людей буде легко розпізнати хребет на рентгенівських знімках, навіть якщо зображення сильно відрізняються через різні пози пацієнта, різні кути, з яких робиться знімок, великі або маленькі кістки, здорові проти чи деформовані. Комп'ютери можуть зробити це лише за допомогою штучного інтелекту — з глибоким навчанням — і лише за умови, що алгоритм тренували на багатьох відповідних зразках. «Ось як штучний інтелект може розвивати анатомічний аналіз, щоб він міг розібратися у медичних зображеннях і правильно класифікувати різні кістки, органи та тканини», — говорить Жерардо. «У такий же чином спосіб ШІ може навчитися розрізняти нормальну й аномальну тканину».

Інновації, які формують асортимент продукції SHS

Існує багато різних способів застосування для технології розпізнавання зображень на основі ШІ в повсякденному житті в лікарнях і медичних закладах: наприклад система може навчитися відображати правильні зображення у відповідь на вказівку на кшталт «Показати праву лопатку». ШІ також може забезпечити автоматизацію рентгенологічних досліджень, які визначають момент, коли контрастна речовина досягла потрібного органу, й аналізувати дані зображення на предмет можливих патогенних змін. Багато інновацій, якими керував Жерардо, застосовуються в усьому асортименті продукції SHS.

Різні стратегії навчання ШІ

«Штучний інтелект настільки хороший, наскільки хороші дані, на яких він навчений», - підкреслює Жерардо. «Щоб розпізнати пухлини на зображенні МРТ, він має спочатку натренуватися на тисячах зображень здорових і хворих людей, які ми йому згодували». Існує три основні підходи до навчання ШІ: навчання під контролем, навчання зі слабким контролем і самостійне навчання. Під час контрольованого навчання ШІ отримує точну інформацію для кожного набору даних: наприклад, «У верхньому правому куті зображення є пухлина». При слабкому контрольованому навчанні наводяться лише кілька інформаційних міток: наприклад, пухлина або відсутність пухлини. При самостійному навчанні дані взагалі не мають міток, а ШІ вчиться самостійно: наприклад, приховуючи частини від наданих зразків зображень і «вгадуючи», як вони виглядають.

Людина в чорній сорочці стоїть біля білої стіни, тримає темний предмет із розмитим фоном.

Його винахід формує весь асортимент Siemens Healthineers

Серйозний чоловік у чорній сорочці з татуюванням стоїть навпроти білої стіни, частково освітлений з правого боку.

Штучний інтелект може навчитися розбиратися в медичних зображеннях і правильно класифікувати їх.

Майже такий самий розумний, як анатомічний атлас

Навчання під контролем — найшвидший і найефективніший спосіб навчання ШІ, але отримання достатньої кількості навчальних даних, що враховують усі відповідні аспекти, вимагає багато часу й коштів. Самостійне навчання вимагає найбільше часу для навчання, але ШІ може працювати незалежно без витратного маркування даних. «Останнім часом ми зосереджуємось на найновіших методах навчання під контролем, аналогічних тим, що використовуються в ChatGPT», — каже Жерардо. «Це дало нам значний поштовх, особливо в галузі анатомічного аналізу. Наш штучний інтелект зараз майже такий самий розумний, як анатомічний атлас. Він може розрізняти близько 200 різних орієнтирів (частин тіла) і знаходити їх на зображеннях.