Újabb fontos lépést tehet az egészségügy a betegségek korai felismerése felé: a Pennsylvaniai Egyetem orvosi kutatócsoportja olyan mesterséges intelligencia-modellt fejlesztett ki, amely a CT-felvételeken az eredeti vizsgálati céltól függetlenül is észreveheti a különböző betegségek jeleit.
Egyre nagyobb szerepet kaphat a mesterséges intelligencia a betegségek korai felismerésében. Egy új fejlesztésnek köszönhetően az orvosok olyan egészségügyi problémákra is felfigyelhetnek, amelyekre eredetileg nem keresték a választ a képalkotó vizsgálatok során.
A Pennsylvaniai Egyetem egészségügyi kutatóközpontjában, a Penn Medicine intézményében fejlesztett Percival mesterséges intelligencia-modell a CT-felvételek elemzésével képes olyan összefüggéseket feltárni, amelyek az emberi szem számára könnyen rejtve maradhatnak.
A rendszer különlegessége, hogy nem csupán egy előre meghatározott betegség jeleit keresi, hanem a felvételeken látható mintázatokból más egészségügyi problémákra és a későbbi kockázatokra is következtethet.
A fejlesztésről a npj Digital Medicine című tudományos folyóiratban jelent meg tanulmány.
A kutatók szerint a technológia hosszabb távon hozzájárulhat a személyre szabottabb és megelőzésközpontú egészségügyi ellátáshoz.
„Olyan rendszert fejlesztettünk, amely széles körben tanul a képalkotó adatokból, és feltárja a vizsgálatok, a laboreredmények, az emberek élettani jellemzői és a klinikai kimenetelek közötti összefüggéseket” – mondta Walter Witschey, a Penn Medicine radiológiai docense és kutatási informatikai vezetője.
A szakember szerint mindez pontosabb egészségi állapotfelmérést tehet lehetővé és akár időben figyelmeztethet a kialakuló problémákra is.
Több százezer CT-felvételen tanították be a modellt
A Percival fejlesztéséhez a kutatók a Penn Medicine BioBank adatbázisát használták fel. Ez a gyűjtemény két évtized alatt több mint 350 ezer ember egészségügyi adatait halmozta fel a Pennsylvaniai Egyetem egészségügyi rendszerében.
A mesterséges intelligencia képességeinek fejlesztéséhez a kutatócsoport hozzávetőleg 400 ezer CT-felvételt használt fel, amelyek mintegy 50 ezer beteghez kapcsolódtak.
Olvasd el: Akár 3 évvel korábban jelezheti a hasnyálmirigyrák esélyét a mesterséges intelligencia
A nagy mennyiségű adat azért fontos, mert a különböző betegségek sokszor nem egyetlen jól felismerhető jelben, hanem több apró eltérés és összefüggés együttesében mutatkoznak meg.
A változatos adatállomány segíthet abban, hogy a modell többféle egészségügyi állapotot is felismerjen, és később különböző betegcsoportoknál is alkalmazható legyen.
Cameron Beeche, a Pennsylvaniai Egyetem biomérnöki doktori hallgatója, a tanulmány vezető szerzője szerint a nagyobb és sokszínűbb adathalmazokon történő tanítás javíthatja a mesterséges intelligencia teljesítményét és erősebb alapot teremthet ahhoz, hogy a modellt különböző kórházakban és betegpopulációknál is használni lehessen.
A hasnyálmirigyrák és a vesebetegség jeleit is felismerheti
A kutatók vizsgálatai alapján a Percival több olyan betegség nyomait is képes lehet észrevenni a CT-felvételeken, amelyek nem feltétlenül álltak az eredeti vizsgálat középpontjában.
A modell többek között a pitvarfibrillációra, vagyis egy gyakori szívritmuszavarra, valamint a krónikus vesebetegségre utaló jeleket is azonosított.
A kutatók egy másik, TotalSegmentator nevű mesterségesintelligencia-modellel is összehasonlították a teljesítményét. Az eredmények szerint a Percival megbízhatóbban jelezte többek között a hasnyálmirigyrák, a májzsugor és a bakteriális tüdőgyulladás lehetséges jelenlétét.
Charles Kahn radiológia professzor, a tanulmány társszerzője szerint a modell segíthet a korábban fel nem ismert betegségek azonosításában, azok előrehaladásának előrejelzésében, valamint a súlyos szív- és májkomplikációk kockázatának felmérésében.
A szakember arra is rámutatott, hogy sok páciens már jelentős szív- vagy anyagcsere-betegséggel kerül szakorvosi ellátásba. A rutinszerű képalkotó vizsgálatok ezért lehetőséget adhatnak arra, hogy bizonyos problémákat korábban felismerjenek és hamarabb megkezdődhessen a szükséges beavatkozás.
Az MI akkor is találhat problémát, ha eredetileg más miatt készült a vizsgálat
A fejlesztés egyik legfontosabb célja az úgynevezett opportunisztikus szűrés kiterjesztése. Ez azt jelenti, hogy egy orvosi vizsgálat során nemcsak az eredetileg keresett betegséget próbálják azonosítani, hanem a rendelkezésre álló adatokból más, addig fel nem ismert problémákra is igyekeznek következtetni.
Például egy tüdőgyulladás gyanúja miatt elvégzett CT-vizsgálat során a mesterséges intelligencia olyan elváltozásokat is jelezhet – akár egy daganatos betegség korai jeleit – amelyek további kivizsgálást indokolhatnak.
A módszer előnye, hogy a már elkészült felvételekből nyerhet ki további információkat, így bizonyos esetekben újabb vizsgálat nélkül is felmerülhet egy addig nem ismert betegség gyanúja. Ez nem jelenti azt, hogy minden betegséget biztosan felismer, vagy hogy a mesterséges intelligencia önmagában felállíthatja a diagnózist.
Witschey szerint a CT-felvételek teljes információtartalma a Percivalhoz hasonló modellek segítségével sokkal hasznosabbá válhat az orvosok számára.
Még vizsgálják, mikor kerülhet a módszer a kórházakba
A Percival egyelőre fejlesztési és klinikai alkalmazást megelőző tesztelési szakaszban van. A kutatócsoport tervei szerint 2027 elején újabb vizsgálatoknak veti alá a rendszert, azzal a céllal, hogy később a mindennapi betegellátásban is alkalmazható legyen.
A kutatók azt is vizsgálják, hogy a nagyobb adatállományok, illetve több egészségügyi intézmény adatainak bevonása miként javíthatja a modell megbízhatóságát és előrejelző képességét.
A Percival kódja és a betanításához kapcsolódó modellleírások nyílt forráskódú formában is elérhetők. Ez lehetőséget teremthet arra, hogy más kutatócsoportok is megvizsgálják, továbbfejlesszék és saját eredményeikkel hozzájáruljanak a technológia fejlődéséhez.
A Penn Medicine szakemberei más mesterségesintelligencia-alapú képalkotó megoldásokon is dolgoznak. Ezek közé tartozik az AInSights, valamint egy szív-MR-felvételek elemzésére kifejlesztett modell is, amely egy vizsgálat során rendkívül pontos diagnosztikai eredményeket mutatott.
A Percival fejlesztése azt jelezheti, hogy a jövőben a képalkotó vizsgálatok nemcsak a már felmerült betegségek megerősítésében, hanem a rejtett egészségügyi kockázatok korábbi felismerésében is fontosabb szerepet kaphatnak.
Ehhez azonban további vizsgálatokra van szükség annak igazolására, hogy a modell a valós klinikai gyakorlatban is megbízhatóan és biztonságosan alkalmazható.
Forrás: MedicalXpress
B.A.
