Okos, messzire ható és a radiológiai diagnosztika gyakorlatban remekül kamatoztatható választ ad a „Lézió klasszifikáció mesterséges intelligenciával” kiemelt projekt fejlesztő teamje.
Mielőtt belevágnánk a részletekbe, megéri egy kitérőt tenni a radiológia, mint orvosi specialitás, az AI és a technológia hátterére, összefüggéseire.
Alapvetés, hogy valójában az AI egy gyűjtőfogalom, amely két komponensből áll: gépi tanulásból (machine learning=ML) és agy ihlette mély tanulási konvolúciós neurális hálózatból (convolutional neural networks =CNN). A radiológia területén belül, az AI mindig a mély tanulás fejlettebb komponenseit jelenti. Egy multidiszciplináris törekvés, ahol informatikusok, orvosok, fizikusok, mérnökök és klinikai szakértők működnek együtt a folyamat minden lépésében, hogy klinikailag alkalmazható megoldásokat hozzanak létre. Tény, hogy az AI potenciális előnyeit nem lehet alábecsülni, és a már most is kimutatható sikerek figyelemre méltó klinikai érdeklődést váltanak ki. A technológia folyamatosan fejlődik és akárcsak anno, Wilhelm Conrad Röntgen eszköze, az AI is innovációt hoz a radiológia diagnosztika területén.
A „Lézió klasszifikáció mesterséges intelligenciával” című projekt és fejlesztés ambiciózus és lényegesen többre vállalkozik, mint az AI alkalmazásának előnyeit realizálni a képalkotó diagnosztikában. Célja, a sclerosis multiplex (SM) és a vascularis eredetű léziók elkülönítésére - amely gyakran még a tapasztalt radiológusok számára is nehézségekbe ütközik – olyan automatizált képfeldolgozó és gépi tanulási rendszer fejlesztése, amely különböző típusú agyi fehérállományi léziókat ismer fel és osztályoz MRI felvételeken, segítve ezzel a radiológusok munkáját.
A projekt vezetője Dr. Nagy Szilvia Anett, radiográfus egészségügyi mérnök a HUN-REN-PTE Klinikai Idegtudományi Képalkotó Kutatócsoport tudományos kutatója és a PTE Egészségtudományi Kar adjunktusa, több éve foglalkozik a témával. Ő maga így foglalja össze az innovációt:
„Tervünk és szándékunk, hogy AI segítségével elkülönítsük az agyi fehérállományi léziók mögött álló kórképeket (sclerosis multiplex vs. vascularis eredet), javítva ezzel a differenciáldiagnosztikai pontosságot. Jelenleg fontos differenciáldiagnosztikai kérdésként merül fel a mágneses rezonancia vizsgálatok (MRI) során, hogy az agyi fehérállományi léziók milyen mögöttes kórképre utalnak. Ezek előfordulhatnak olyan gyakori kórállapotokban, mint a sclerosis multiplex (SM) betegség, de leggyakrabban krónikus kisérbetegségben jelennek meg. Nem titok, hogy ezek radiológiai elkülönítése magas fokú szaktudást igényel. A projektünk célja, hogy mesterséges intelligencia (MI) segítségével a fehérállományi léziók jellegzetességei alapján nagy biztonsággal elkülönítsük azokat a betegeket, akiknél az elváltozások SM miatt alakultak ki, azoktól, akiknél a léziók hátterében vascularis eredet áll.”
A folyamat során ipari partnerrel közreműködve nagyszámú képanyagon MI alapú lézió szegmentálást végeznek, majd az adatokat előkészítik egy a differenciálására alkalmas modell tanítására. Amit várnak, hogy a képi szegmentálással és a léziók karakterizálásával a vizsgált kórállapotok elkülönítését lehetővé tevő tulajdonságokhoz jutnak. Az innováció eredményeként pontosabb, objektívebb diagnózis válik lehetővé, ez jelentősen támogatja a radiológusok munkáját, lerövidíti az elemzési időt és segít a korai terápiás döntésekben, amely felbecsülhetetlen előny minden betegség esetén.
