Революційна технологія ШІ від Мічиганського університету
Згідно з новим дослідженням, нещодавно розроблена система штучного інтелекту з Мічиганського університету може аналізувати МРТ мозку та ставити діагноз за лічені секунди. Модель визначала неврологічні стани з точністю, що досягала 97,5%, а також змогла оцінити, наскільки терміново пацієнтам потрібна медична допомога.
Дослідники кажуть, що ця перша у своєму роді технологія має потенціал змінити те, як візуалізація мозку обробляється в системах охорони здоров’я Сполучених Штатів. Результати були опубліковані в Nature Biomedical Engineering.
«Оскільки глобальний попит на МРТ зростає та створює значне навантаження на наших лікарів та системи охорони здоров’я, наша модель штучного інтелекту має потенціал зменшити навантаження, покращуючи діагностику та лікування за допомогою швидкої та точної інформації», — сказав старший автор дослідження Тодд Холлон, доктор медичних наук, нейрохірург Мічиганського університету охорони здоров’я та доцент нейрохірургії Медичної школи Мічиганського університету.
Тестування системи штучного інтелекту Prima
Холлон назвав нову технологію Prima. Протягом одного року його дослідницька група оцінювала систему, використовуючи понад 30 000 МРТ-досліджень.
За допомогою понад 50 різних радіологічних діагнозів, що стосуються основних неврологічних розладів, Prima забезпечила кращу діагностичну ефективність, ніж інші передові моделі штучного інтелекту. Окрім виявлення захворювань, система також довела свою здатність визначати, які випадки потребують вищого пріоритету.
Деякі неврологічні стани, включаючи інсульти та крововиливи в мозок, потребують негайної медичної допомоги. Холлон сказав, що в таких ситуаціях Prima може автоматично сповіщати медичних працівників, щоб можна було швидко вжити заходів.
Система була розроблена для повідомлення найбільш відповідного субспеціаліста, такого як невролог-інсультолог або нейрохірург. Зворотній зв’язок стає доступним одразу після завершення візуалізації пацієнтом.
«Точність має першорядне значення під час читання МРТ головного мозку, але швидкий час виконання є критично важливим для своєчасної діагностики та покращення результатів», — сказав Івей Лю, магістр наук, співавтор першої статті та постдокторант з комп’ютерних наук та інженерії в Університеті Мічигану.
«На ключових етапах процесу наші результати показують, як Prima може покращити робочі процеси та оптимізувати клінічну допомогу, не жертвуючи точністю».
Що таке Prima?
Prima класифікується як модель мови зору (VLM), тип штучного інтелекту, який може обробляти зображення, відео та текст разом у режимі реального часу. Хоча штучний інтелект застосовувався до аналізу МРТ раніше, дослідники кажуть, що Prima використовує інший підхід.
Попередні моделі зазвичай навчалися на ретельно відібраних підмножинах даних МРТ та були розроблені для виконання вузьких завдань, таких як виявлення уражень або оцінка ризику деменції. Prima була навчена на набагато ширшому наборі даних.
Команда Холлона використала всі доступні дані МРТ, зібрані з моменту оцифрування радіологічних записів в Університеті охорони здоров’я Мічигану. Це включало понад 200 000 досліджень МРТ та 5,6 мільйона послідовностей зображень. Модель також враховувала клінічні історії пацієнтів та причини, з яких лікарі призначали кожне дослідження зображень.
«Prima працює як радіолог, інтегруючи інформацію про історію хвороби пацієнта та дані зображень, щоб отримати повне розуміння його здоров’я», — сказав співавтор Самір Хараке, науковець з обробки даних у Лабораторії машинного навчання в нейрохірургії Холлона.
«Це забезпечує кращу продуктивність у широкому спектрі завдань прогнозування».
Вирішення проблеми затримок МРТ та нестачі радіологічного персоналу
Щороку у світі виконуються мільйони МРТ-сканувань, багато з яких зосереджені на неврологічних захворюваннях. Дослідники кажуть, що попит на ці сканування зростає швидше, ніж доступність нейрорадіологічних послуг.
Цей дисбаланс сприяв нестачі персоналу, затримкам у діагностиці та помилкам. Залежно від того, де пацієнт отримує сканування, результати можуть бути отримані протягом кількох днів або навіть довше.
«Незалежно від того, чи отримуєте ви сканування у великій системі охорони здоров’я, яка стикається зі зростаючим обсягом, чи в сільській лікарні з обмеженими ресурсами, необхідні інноваційні технології для покращення доступу до радіологічних послуг», — сказав Вікас Гулані, доктор медичних наук, співавтор і завідувач кафедри радіології в U-M Health.
«Наші команди в Мічиганському університеті співпрацювали, щоб розробити передове рішення цієї проблеми з величезним масштабованим потенціалом».
Майбутнє штучного інтелекту в медичній візуалізації
Хоча Prima показала високі результати, дослідники наголошують, що робота все ще перебуває на ранній стадії оцінювання. Майбутні дослідження будуть зосереджені на включенні більш детальної інформації про пацієнта та даних електронних медичних записів для подальшого підвищення точності діагностики.
Цей підхід відображає те, як радіологи та лікарі інтерпретують МРТ та інші дослідження візуалізації в реальних клінічних умовах. Хоча штучний інтелект вже використовується в охороні здоров’я, більшість існуючих систем обмежені вузько визначеними завданнями.
Холлон описує Prima як «ChatGPT для медичної візуалізації», зазначаючи, що подібна технологія згодом може бути адаптована для інших типів візуалізації, включаючи мамографію, рентген грудної клітки та ультразвукове дослідження.
«Подібно до того, як інструменти штучного інтелекту можуть допомогти скласти електронний лист або надати рекомендації, Prima прагне стати другим пілотом для інтерпретації досліджень медичної візуалізації», — сказав Холлон.
«Ми вважаємо, що Prima є прикладом трансформаційного потенціалу інтеграції систем охорони здоров’я та моделей на основі штучного інтелекту для покращення охорони здоров’я за допомогою інновацій».
Додаткові автори: Асадур Чоудури, магістр наук, Соумяніл Банерджі, магістр наук, Рейчел Гологорскі, Шисюань Лю, Анна-Катаріна Мейсснер, доктор медичних наук, Акшай Рао, Ченьхуей Чжао, Ахіл Кондепуді, Ченг Цзян, Сіньхай Хоу, Рушікеш С. Джоші, доктор медичних наук, Фолькер Нойшмельтінг, доктор медичних наук, Ашок Срінівасан, доктор медичних наук, Дон Кляйндорфер, доктор медичних наук, Браян Атей, доктор філософії, Адітья Пандей, доктор медичних наук, та Хонглак Лі, доктор філософії, всі з Мічиганського університету.
Фінансування/розкриття інформації: Цю роботу частково підтримав Національний інститут неврологічних розладів та інсульту (K12NS080223) Національних інститутів охорони здоров’я.
Зміст є виключно відповідальністю авторів і не обов’язково відображає офіційну думку NIH.
Цю роботу також підтримали Ініціатива Чана Цукерберга (CZI), Інститут здоров’я серця та мозку Франкеля, Фонд дослідження мозку Марка Траунера, Фонд родини Зенкеля, Фонд друзів Ієна та грантова програма UM Precision Health Investigators Awards.
Джерело: ScienceDaily
