Skip to main content
Trang này được hiển thị bằng tính năng dịch tự động. Xem bằng tiếng Anh?

Hỗ trợ AI cho các chuyên gia y tế

Gerardo Hermosillo Valadez | Nhà phát minh của năm của Siemens | Thành tựu trọn đời

Các công nghệ hình ảnh như chụp X-quang, chụp CT và MRI đã giúp các bác sĩ trong nhiều thập kỷ bằng cách cung cấp cho họ hình ảnh chi tiết về xương và cấu trúc mô bên trong cơ thể bệnh nhân. “Tất cả các công nghệ này cung cấp cho chúng tôi dữ liệu hình ảnh chỉ hữu ích cho chẩn đoán nếu nó có thể được giải thích chính xác. Ví dụ, ai đó phải hiểu rằng đường nhỏ trong hình ảnh X-quang cho thấy xương bị gãy hoặc nhận thấy khối lượng bất thường trong lượng lớn dữ liệu từ chụp MRI”, Gerardo Hermosillo Valadez từ Siemens Healthineers (SHS), Nhà phát minh của năm 2024 trong hạng mục Thành tựu trọn đời cho biết. “Bộ phận của tôi đang nghiên cứu các quy trình AI có thể giải thích hình ảnh y tế và do đó giải tỏa và hỗ trợ nhân viên y tế.”

Giải thích hình ảnh với trí tuệ nhân tạo

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

Gerardo Hermosillo Valadez là Nhà phát minh của năm 2024: Phát minh của ông phát triển trí thông minh giải phẫu

Mọi người thường rất giỏi trong việc phát hiện mọi thứ trong hình ảnh. Ví dụ, hầu hết mọi người sẽ thấy dễ dàng nhận ra cột sống trong hình ảnh X-quang - ngay cả khi hình ảnh khác nhau rất nhiều do tư thế khác nhau của bệnh nhân, góc chụp ảnh khác nhau, xương lớn hoặc nhỏ, hoặc gai khỏe mạnh so với biến dạng. Máy tính chỉ có thể làm điều này bằng cách sử dụng trí tuệ nhân tạo - với học sâu - và chỉ khi chúng đã được đào tạo với nhiều mẫu thích hợp. Gerado nói: “Đây là cách trí tuệ nhân tạo có thể phát triển trí thông minh giải phẫu để nó có thể tìm đường thông qua các hình ảnh y tế và phân loại chính xác các xương, cơ quan và mô khác nhau. “Theo cách tương tự, AI có thể học cách phân biệt giữa mô bình thường và mô bất thường.”

Những đổi mới định hình toàn bộ dòng sản phẩm SHS

Có nhiều ứng dụng khác nhau để nhận dạng hình ảnh do AI điều khiển trong cuộc sống hàng ngày trong bệnh viện và văn phòng bác sĩ: ví dụ, một hệ thống có thể học cách hiển thị dữ liệu hình ảnh chính xác để đáp ứng với một hướng dẫn như “Hiển thị xương bả vai bên phải”. Nó cũng có thể cung cấp hỗ trợ tự động cho các kiểm tra X quang xác định khi nào môi trường tương phản được tiêm đã đến cơ quan cần kiểm tra và phân tích dữ liệu hình ảnh để tìm những thay đổi gây bệnh có thể xảy ra. Nhiều cải tiến mà Gerardo đã thúc đẩy có mặt khắp nơi trong toàn bộ dòng sản phẩm SHS.

Các chiến lược học tập AI khác nhau

Gerardo nhấn mạnh: “Trí tuệ nhân tạo chỉ tốt bằng dữ liệu mà nó được đào tạo. “Để nhận ra khối u trong hình ảnh MRI, trước tiên nó phải học được từ hàng ngàn hình ảnh của cả người khỏe mạnh và bệnh tật mà chúng tôi đã cung cấp cho nó.” Có ba cách tiếp cận cơ bản để đào tạo AI: học có giám sát, học tập có giám sát yếu và học tập tự giám sát. Trong học tập có giám sát, AI được cung cấp thông tin chính xác cho từng tập dữ liệu: ví dụ: “Có một khối u ở góc trên cùng bên phải của hình ảnh.” Trong quá trình học tập có giám sát yếu, chỉ có một vài nhãn thông tin được đưa ra: ví dụ, khối u hoặc không có khối u. Trong học tập tự giám sát, dữ liệu hoàn toàn không có nhãn và AI học độc lập: ví dụ, bằng cách ẩn các phần khỏi hình ảnh mẫu hiện có và “đoán” chúng trông như thế nào.

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

Phát minh của ông định hình toàn bộ dòng sản phẩm của Siemens Healthineers

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

Trí tuệ nhân tạo có thể học cách tìm đường thông qua các hình ảnh y tế và phân loại chính xác nó.

Gần như thông minh như một tập bản đồ giải phẫu

Học có giám sát là cách nhanh nhất và hiệu quả nhất để AI học, nhưng sẽ tốn thời gian và tốn kém để có được đủ dữ liệu đào tạo có tính đến tất cả các khía cạnh liên quan. Việc học tự giám sát đòi hỏi nhiều thời gian học tập nhất, nhưng AI có thể hoạt động độc lập mà không cần ghi nhãn dữ liệu đắt tiền. Gerardo nói: “Gần đây, chúng tôi đã tập trung vào các kỹ thuật học tập tự giám sát mới nhất, các kỹ thuật như những kỹ thuật được sử dụng bởi ChatGPT. “Điều đó đã mang lại cho chúng tôi một sự thúc đẩy đáng kể, đặc biệt là trong lĩnh vực trí thông minh giải phẫu. AI của chúng ta bây giờ gần như thông minh như một tập bản đồ giải phẫu. Nó có thể phân biệt khoảng 200 điểm mốc khác nhau (các bộ phận cơ thể) và xác định vị trí chúng trong vật liệu hình ảnh.