Nýlegar rannsóknir hafa sýnt getu gervigreindarkerfa við læknisfræðilega greiningu á mikilvægum sjúkdómum
Gervigreindarkerfi (AI). have been around for quite some time and are now getting smarter and better with time. AI has applications is multitude areas and is now an integral of most fields. AI can be an essential and useful component of læknisfræði vísindi og rannsóknir þar sem það hefur gríðarlega möguleika á að hafa áhrif á heilbrigðisiðnaðinn.
Gervigreind í læknisfræðilegri greiningu?
Time is the most valuable resource in healthcare and early appropriate diagnosis is very important for the final outcome of a disease. Healthcare is often a lengthy and a time and resource consuming process, delaying effective diagnosis and in turn delaying the correct treatment. AI can help to fill the gap between availability and time management by doctors by incorporating speed and accuracy in the diagnosis of patients. It could help to overcome limitations of resources and healthcare professionals specially in low- and middle-income countries. AI is a process of learning and thinking just like menn through a concept called deep-learning. Deep learning utilizes broad sets of sample data to create decision trees by itself. With this deep learning, an AI system can actually think just like humans, if not better, and therefore AI could be deemed fit to carry out medical tasks. When diagnosing patients, AI systems keep looking for patterns among patients with same illnesses. Over time, these patterns can construct a foundation for predicting diseases before they are manifested.
Í nýlegri rannsókn1 Birt í Cell, vísindamenn hafa notað gervi greindar- og vélanámstækni til að þróa nýtt reiknitæki til að skima sjúklinga með algenga en geigvænlega sjónhimnusjúkdóma, sem gæti hraðað greiningum og meðferð. Vísindamenn notuðu gervigreindarkerfi til að skoða meira en 200,000 augnskannanir sem gerðar voru með óífarandi tækni sem endurvarpar ljósi af sjónhimnu til að búa til 2D og 3D framsetningu vefja. Þeir notuðu síðan tækni sem kallast „flutningsnám“ þar sem þekking sem fæst við að leysa eitt vandamál er geymd í tölvu og beitt á mismunandi en skyld vandamál. Til dæmis getur gervigreind tauganet, sem er fínstillt til að þekkja staka líffærafræðilega uppbyggingu augans, eins og sjónhimnu, hornhimnu eða sjóntaug, greint og metið þau á hraðari og skilvirkari hátt þegar það er að skoða myndir af öllu auga. Þetta ferli gerir gervigreindarkerfinu kleift að læra smám saman með mun minni gagnapakka en hefðbundnar aðferðir sem krefjast stórra gagnapakka sem gera þau dýr og tímafrek.
The study focused on two common causes of irreversible blindness which are treatable when detected early. Machine-derived diagnoses were compared with diagnoses from five ophthalmologists who reviewed the same scans. In addition to making a medical diagnosis, the AI platform also generated a referral and treatment recommendation which has not been done in any previous study. This trained AI system acted just like a well-trained ophthalmologist and could generate a decision within 30 seconds on whether or not the patient should be referred for treatment, with more than 95 percent accuracy. They also tested the AI tool in diagnosing childhood pneumonia, a leading cause of death worldwide in children (under the age of 5) based on machine analyses of chest X-rays. Interestingly, the computer program was able to differentiate between viral and baktería pneumonia with more than 90 percent accuracy. This is crucial because though viral pneumonia is naturally rid by the body after its course, bacterial pneumonia on the other hand tends to be a more serious health threat and requires immediate treatment with antibiotics.
Í öðru stóru stökki2 í gervigreindarkerfum til læknisfræðilegrar greiningar komust vísindamenn að því að ljósmyndir teknar af sjónhimnu einstaklings er hægt að greina með vélrænum reikniritum eða hugbúnaði til að spá fyrir um hjarta- og æðasjúkdóma með því að bera kennsl á merki sem benda til hjartasjúkdóma. Staða æða í auga sem er tekin á myndunum var sýnt fram á að spá nákvæmlega fyrir um aldur, kyn, þjóðerni, blóðþrýsting, hvers kyns fyrri hjartaáföll og reykingavenjur og allir þessir þættir spá fyrir um hjartatengda sjúkdóma hjá einstaklingi.
Augað sem upplýsingablokk
Hugmyndin um að skoða ljósmyndir af auganu til að greina heilsu hefur verið til staðar í nokkurn tíma. Það er vel staðfest að aftari innri vegg mannlegra augna er með mikið af æðum sem endurspegla heilsu líkamans. Með því að rannsaka og greina útlit þessara æða með myndavél og smásjá er hægt að spá fyrir um miklar upplýsingar um blóðþrýsting einstaklings, aldur, reykingamann eða reyklausan o.s.frv. og eru þetta allt mikilvægar vísbendingar um heilbrigði hjarta einstaklings. . Hjarta- og æðasjúkdómar (CVD) eru dánarorsök númer eitt á heimsvísu og fleiri deyja úr hjarta- og æðasjúkdómum samanborið við annan sjúkdóm eða ástand. Þetta er algengara í lág- og millitekjulöndum og er gríðarleg byrði á efnahagslífi og mannkyni. Áhættan á hjarta- og æðasjúkdómum fer eftir fjölmörgum þáttum eins og genum, aldri, þjóðerni, kyni, ásamt hreyfingu og mataræði. Hægt er að koma í veg fyrir flesta hjarta- og æðasjúkdóma með því að takast á við hegðunaráhættu eins og tóbaksnotkun, offitu, hreyfingarleysi og óhollt mataræði með því að gera verulegar lífsstílsbreytingar til að takast á við hugsanlega áhættu.
Heilsugreining með myndum af sjónhimnu
Þessi rannsókn sem gerð var af vísindamönnum hjá Google og eigin heilsutæknifyrirtæki þess Verily Life Sciences, sýndi að gervigreindarreiknirit var notað á stórum gagnasafni af sjónhimnumyndum af um 280,000 sjúklingum og þetta reiknirit tókst að spá fyrir um hjartaáhættuþætti í tveimur fullkomlega. óháð gagnasafn um 12000 og 1000 sjúklinga með nokkuð góðri nákvæmni. Reikniritið notaði alla ljósmyndina af sjónhimnu til að mæla tengsl myndarinnar og hættu á hjartaáfalli. Þetta reiknirit gæti spáð fyrir um hjarta- og æðasjúkdóma í 70 prósent tilvika hjá sjúklingi og í raun var einnig hægt að greina reykingamann og reyklausan í þessu prófi í 71 prósent tilfella. Reikniritið gæti einnig spáð fyrir um háan blóðþrýsting sem bendir til hjartasjúkdóms og spáð fyrir um slagbilsþrýsting - þrýstinginn í æðunum þegar hjartað slær - innan marka flestra sjúklinga með eða án háþrýstings. Nákvæmni þessarar spá, samkvæmt höfundum, er mjög svipuð hjarta- og æðaskoðun á rannsóknarstofu, þar sem blóð er dregið úr sjúklingnum til að mæla kólesterólmagn sem er samhliða sögu sjúklingsins. Reikniritið í þessari rannsókn, birt í Lífeðlisfræðiverkfræði náttúrunnar, gæti að öllum líkindum einnig spáð fyrir um alvarlegt hjarta- og æðasjúkdóm - td hjartaáfall.
Afar áhugaverður og mikilvægur þáttur þessara rannsókna var að tölvan getur sagt hvar hún er að leita á myndinni til að komast að greiningu, sem gerir okkur kleift að skilja spáferlið. Dæmi, rannsóknin frá Google sýndi nákvæmlega „hvaða hlutar sjónhimnunnar“ stuðlaði að spáalgríminu, með öðrum orðum hvernig reikniritið var að spá. Þessi skilningur er ekki aðeins mikilvægur til að skilja vélanámsaðferðina í þessu tiltekna tilviki, heldur einnig til að skapa sjálfstraust og trú á alla þessa aðferðafræði með því að gera hana gagnsæja.
Áskoranir
Slíkum læknisfræðilegum myndum fylgir áskorunum vegna þess að það er ekki einfalt að fylgjast með og mæla síðan tengsl byggð á slíkum myndum, aðallega vegna nokkurra eiginleika, lita, gilda, forms osfrv í þessum myndum. Þessi rannsókn notar djúpt nám til að draga fram tengsl, tengsl og tengsl milli breytinga á líffærafræði mannsins (innri formgerð líkamans) og sjúkdóma á sama hátt og heilbrigðisstarfsmaður myndi gera þegar hann eða hún er að tengja einkenni sjúklings við sjúkdóm. . Þessi reiknirit krefjast meiri prófunar áður en hægt er að nota þau í klínísku umhverfi.
Þrátt fyrir umræður og áskoranir hefur gervigreind gríðarlega möguleika á að gjörbylta greiningu og stjórnun sjúkdóma með því að gera greiningar og flokkanir sem fela í sér gríðarlegt magn af gögnum sem er erfitt fyrir mennska sérfræðinga. Það býður upp á hröð, hagkvæm, óífarandi valmyndatengd greiningartæki. Mikilvægir þættir fyrir velgengni gervigreindarkerfa væru meiri reiknikraftur og meiri reynsla fólks. Í líklegri framtíð gæti ný læknisfræðileg innsýn og greining verið náð með gervigreind án mannlegrar leiðbeiningar eða eftirlits.
***
{Þú getur lesið upprunalegu rannsóknarritgerðina með því að smella á DOI hlekkinn sem gefinn er upp hér að neðan á listanum yfir tilvitnaðar heimildir}
Heimildir)
1. Kermany DS o.fl. 2018. Að bera kennsl á læknisfræðilegar greiningar og sjúkdóma sem hægt er að meðhöndla með myndbundnu djúpu námi. Cell. 172(5). https://doi.org/10.1016/j.cell.2018.02.010
2. Poplin R o.fl. 2018. Spá um áhættuþætti hjarta- og æðasjúkdóma úr myndum af sjónhimnubotni með djúpu námi. Nature Biomedical Engineering. 2. https://doi.org/10.1038/s41551-018-0195-0
