Skip to main content

Article Category

Article available in the folowing languages:

Lekarz SI wykorzystuje wymyślone procesy, aby się uczyć

Innowacyjna platforma diagnostyczna pomaga lekarzom szybciej wykrywać choroby niezgłaszane. Zdolność uczenia się pozwala platformie oszczędzać czas, jaki muszą poświęcać jej ludzcy lekarze samoczynnie poprawiać swoją dokładność w miarę działania.

Gospodarka cyfrowa

Sztuczna inteligencja (SI) zajmuje coraz bardziej prominentne miejsce w służbie zdrowia i daje nadzieję na zmianę jej kształtu na całym świecie. Jak dotąd oprogramowanie diagnostyczne oparte na sztucznej inteligencji jest w stanie wykrywać choroby i zagrożenia dla stanu zdrowia już w ich wczesnych stadiach. Jest to szczególnie przydatne podczas diagnozowania tak zwanych chorób niezgłaszanych, na przykład problemów sercowo-naczyniowych, kłopotów ze wzrokiem czy układem oddechowym. Choroby niezgłaszane stanowią około 60 % wszystkich zgonów i niepełnosprawności na świecie. Mimo możliwości, jakie daje, oprogramowanie napotyka poważne ograniczenia, na przykład konieczność dostarczania ogromnych ilości opisanych danych, które SI wykorzystuje do uczenia się. W efekcie powstają nieporęczne i często niekompletne zestawy danych, a SI bywa zbyt szczegółowe w analizie danych, na podstawie których się uczy, przez co nie jest w stanie postawić uogólnionej diagnozy. Finansowany ze środków UE projekt MrDoc stosuje odmienne podejście – platformę diagnostyczną opartą na częściowo nadzorowanym uczeniu się i sztucznej inteligencji, która rozpoczyna szkolenie na niewielkich zestawach opisanych danych, a następnie uczy się, jak się rozwijać. Rozwiązanie uczy się od ludzkich lekarzy i wykorzystuje tę wiedzę, aby szkolić się dalej w sposób naśladujący ludzką wyobraźnię. Może też przewidywać potencjalne odstępstwa lub zakłócenia, które będą pojawić się w przyszłości, dzięki czemu stawiane przez nią diagnozy sprawdzają się w warunkach rzeczywistych. „Ostatecznym celem jest wykrywanie i diagnozowanie chorób niezgłaszanych, takich jak arytmie i nadciśnienie. Diagnozę taką można stawiać na podstawie analizy parametrów biometrycznych, takich jak ciśnienie krwi, zmienność rytmu serca, poziom hemoglobiny czy glukozy we krwi, dostarczanych za pomocą »zanieczyszczonych« sygnałów generowanych przez urządzenia elektronicznie dostępne na rynku konsumenckim, na przykład smartfony czy kamery przemysłowe”, wyjaśnia Fabio Rebecchi, dyrektor generalny, założyciel i główny dyrektor ds. naukowych w firmie Mr. Doc.

Zasada działania

Firma Mr. Doc wynajduje najwięcej mówiące i najbardziej użyteczne próbki w zestawach danych klinicznych. Następnie przekazuje je lekarzom, którzy je opisują. Takie opinie pomagają ulepszać SI na drodze interaktywnego procesu, który znacznie skraca udział lekarza w całym cyklu i pozwala ograniczyć koszty nawet o 90 %. SI korzysta z mechanizmu uczenia maszynowego znanego jako generatywna sieć przeciwstawna (ang. generative adversial network, GAN) wykorzystywanego w wielu procesach twórczych. Sieć neuronowa typu GAN to tak naprawdę dwie oddzielne sieci – jedna, która przedstawia wyniki swoich odkryć, i druga, która je ocenia. Takie rozwiązanie pozwala znacznie podnieść dokładność uzyskiwanych wraz z upływem czasu wyników. „Sieci GAN stosujemy w trzech warstwach opracowanego procesu. Przede wszystkim przekształcamy za ich pomocą otwarte zestawy danych sygnałów i obrazów do zastosowań medycznych. Następnie oczyszczamy je za pomocą sieci GAN z artefaktów ruchu i innych szumów, które są zazwyczaj obecne w danych zbieranych sprzętem konsumenckim, i wreszcie zmniejszamy wymiary danych. Dzięki temu platforma Mr. Doc może łatwiej wykonywać kolejne kroki i minimalizuje utratę informacji”, dodaje Rebecchi.

Oznaki sukcesu

„Jak dotąd uzyskaliśmy znaczące rezultaty po wydobyciu informacji o chorobach serca i układu oddechowego na podstawie »nagrań selfie« pacjentów i wykryciu nowych biomarkerów oraz oznak diagnostycznych pochodzących ze skanów OCT siatkówki”, mówi Rebecchi. Zespół prowadzi także badania kliniczne dotyczące użycia platformy do oceny dźwięków wydawanych przez użytkowników dmuchających w mikrofon w celu stwierdzenia występowania u nich astmy i przewlekłej obturacyjnej choroby płuc. „Udział w programie »Horyzont 2020« był dla nas przełomowym krokiem. Upewnił nas, że podążamy we właściwym kierunku i dał zastrzyk gotówki oraz impuls, by zastanowić nad planami na dalszą przyszłość i wizją, jaką chcemy realizować. W przyszłości zamierzamy skupić się na zakrojonych na szerszą skalę walidacjach klinicznych, uzyskaniu certyfikatu wyrobu medycznego i ewentualnej komercjalizacji platformy”, wyjaśnia Rebecchi.

Słowa kluczowe

MrDoc, sztuczna inteligencja, diagnoza, choroby niezgłaszane, pomoc, dokładność, generatywne sieci przeciwstawne

Znajdź inne artykuły w tej samej dziedzinie zastosowania