Studimet e fundit kanë treguar aftësinë e sistemeve të inteligjencës artificiale në diagnostikimin mjekësor të sëmundjeve të rëndësishme
Sistemet e inteligjencës artificiale (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 mjekësor shkencës dhe kërkimit pasi ka potencial të jashtëzakonshëm për të ndikuar në industrinë e kujdesit shëndetësor.
Inteligjenca artificiale në diagnozën mjekësore?
Koha është burimi më i vlefshëm në kujdesin shëndetësor dhe diagnoza e duhur e hershme është shumë e rëndësishme për rezultatin përfundimtar të një sëmundjeje. Kujdesi shëndetësor është shpesh një proces i gjatë dhe që kërkon kohë dhe burime, duke vonuar diagnozën efektive dhe nga ana tjetër duke vonuar trajtimin e duhur. 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 njerëzit 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.
Në një studim të kohëve të fundit1 botuar në Qelizë, kanë përdorur studiuesit artificial teknikat e inteligjencës dhe të mësimit të makinerive për të zhvilluar një mjet të ri llogaritës për të ekzaminuar pacientët me sëmundje të zakonshme por verbuese të retinës, duke shpejtuar potencialisht diagnozat dhe trajtimin. Studiuesit përdorën një rrjet nervor të bazuar në AI për të rishikuar më shumë se 200,000 skanime të syve të kryera me një teknologji jo-invazive që e kthen dritën nga retina për të krijuar paraqitje 2D dhe 3D të indeve. Më pas ata përdorën një teknikë të quajtur 'të mësuarit e transferimit' në të cilën njohuritë e fituara në zgjidhjen e një problemi ruhen nga një kompjuter dhe aplikohen në probleme të ndryshme, por të lidhura me to. Për shembull, një rrjet nervor i AI i optimizuar për të njohur strukturat anatomike diskrete të syrit, të tilla si retina, kornea ose nervi optik, mund t'i identifikojë dhe vlerësojë më shpejt dhe me efikasitet ato kur është duke ekzaminuar imazhet e një syri të tërë. Ky proces lejon që sistemi i AI të mësojë gradualisht me një grup të dhënash shumë më të vogël se metodat tradicionale të cilat kërkojnë grupe të mëdha të dhënash duke i bërë ato të shtrenjta dhe kërkojnë kohë.
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 bakteriale 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.
Në një tjetër kërcim të madh2 në sistemet e inteligjencës artificiale për diagnostikimin mjekësor, shkencëtarët zbuluan se fotografitë e marra të retinës së një individi mund të analizohen me algoritme të mësimit të makinës ose softuer për të parashikuar rrezikun kardiovaskular të zemrës duke identifikuar sinjalet që janë tregues të sëmundjeve të zemrës. Statusi i enëve të gjakut në sy që është kapur në fotografi u tregua se parashikon me saktësi moshën, gjininë, përkatësinë etnike, presionin e gjakut, çdo sulm të mëparshëm në zemër dhe zakonet e pirjes së duhanit dhe të gjithë këta faktorë parashikojnë kolektivisht sëmundjet e lidhura me zemrën tek një individ.
Syri si një bllok informacioni
Ideja për të parë fotografitë e syrit për të diagnostikuar shëndetin ka kohë që ekziston. Është vërtetuar mirë se muri i brendshëm i pasmë i syve të njeriut ka shumë enë gjaku që pasqyrojnë shëndetin e përgjithshëm të trupit. Duke studiuar dhe analizuar pamjen e këtyre enëve të gjakut me kamerë dhe mikroskop, mund të parashikohen shumë informacione për presionin e gjakut, moshën, duhanpirës apo jo duhanpirës etj. dhe të gjithë këta janë tregues të rëndësishëm të shëndetit të zemrës së një individi. . Sëmundjet kardiovaskulare (CVD) janë shkaku numër një i vdekjeve globalisht dhe më shumë njerëz vdesin nga sëmundjet kardiovaskulare në krahasim me çdo sëmundje apo gjendje tjetër. Kjo është më e përhapur në vendet me të ardhura të ulëta dhe të mesme dhe është një barrë e madhe për ekonominë dhe njerëzimin. Rreziku kardiovaskular varet nga një mori faktorësh si gjenet, mosha, përkatësia etnike, seksi, në kombinim me stërvitjen dhe dietën. Shumica e sëmundjeve kardiovaskulare mund të parandalohen duke trajtuar rreziqet e sjelljes si përdorimi i duhanit, obeziteti, pasiviteti fizik dhe dieta jo e shëndetshme, duke bërë ndryshime të rëndësishme në stilin e jetës për të adresuar rreziqet e mundshme.
Diagnoza shëndetësore duke përdorur imazhet e retinës
Ky studim i kryer nga hulumtuesit në Google dhe kompaninë e saj të teknologjisë shëndetësore Verily Life Sciences, tregoi se një algoritëm i inteligjencës artificiale u përdor në një grup të madh fotografish të retinës të rreth 280,000 pacientëve dhe ky algoritëm ishte në gjendje të parashikonte me sukses faktorët e rrezikut të zemrës në dy plotësisht. grupe të dhënash të pavarura prej rreth 12000 dhe 1000 pacientësh me saktësi mjaft të mirë. Algoritmi përdori të gjithë fotografinë e retinës për të përcaktuar sasinë e lidhjes midis imazhit dhe rrezikut të sulmit në zemër. Ky algoritëm mund të parashikonte një ngjarje kardiovaskulare në 70 për qind të rasteve te një pacient dhe në fakt një duhanpirës dhe një jo duhanpirës ishin gjithashtu të dallueshëm në këtë test 71 për qind të rasteve. Algoritmi mund të parashikojë gjithashtu presionin e lartë të gjakut që tregon një gjendje të zemrës dhe të parashikojë presionin sistolik të gjakut - presionin në enët kur zemra rreh - brenda një gamë të shumicës së pacientëve me ose pa presion të lartë të gjakut. Saktësia e këtij parashikimi, sipas autorëve është shumë e ngjashme me një kontroll kardiovaskular në laborator, ku gjaku merret nga pacienti për të matur nivelet e kolesterolit duke parë paralelisht me historinë e pacientit. Algoritmi në këtë studim, i publikuar në Inxhinieri Biomjekësore e Natyrës, me shumë gjasa mund të parashikojë edhe shfaqjen e një ngjarjeje të madhe kardiovaskulare - p.sh. një atak në zemër.
Një aspekt jashtëzakonisht interesant dhe vendimtar i këtyre studimeve ishte se kompjuteri mund të tregojë se ku po shikon në një imazh për të arritur në një diagnozë, duke na lejuar të kuptojmë procesin e parashikimit. Për shembull, studimi nga Google tregoi saktësisht se "cilat pjesë të retinës" kontribuan në algoritmin e parashikimit, me fjalë të tjera se si algoritmi po bënte parashikimin. Ky kuptim është i rëndësishëm jo vetëm për të kuptuar metodën e mësimit të makinerive në këtë rast të veçantë, por edhe për të gjeneruar besim dhe besim në të gjithë këtë metodologji duke e bërë atë transparente.
Sfidat
Imazhe të tilla mjekësore vijnë me sfidat e tyre, sepse vëzhgimi dhe më pas përcaktimi sasior i lidhjeve bazuar në imazhe të tilla nuk është i drejtpërdrejtë, kryesisht për shkak të disa veçorive, ngjyrave, vlerave, formave etj në këto imazhe. Ky studim përdor të mësuarit e thellë për të nxjerrë në pah lidhjet, shoqatat dhe marrëdhëniet midis ndryshimeve në anatominë e njeriut (morfologjia e brendshme e trupit) dhe sëmundjes në të njëjtën mënyrë siç do të bënte një profesionist i kujdesit shëndetësor kur ai ose ajo lidh simptomat e pacientëve me një sëmundje. . Këto algoritme kërkojnë më shumë testime përpara se të mund të përdoren në një mjedis klinik.
Pavarësisht diskutimeve dhe sfidave, AI ka potencial të madh për të revolucionarizuar diagnostikimin dhe menaxhimin e sëmundjeve duke bërë analiza dhe klasifikime që përfshijnë sasi të mëdha të dhënash që janë të vështira për ekspertët njerëzorë. Ai siguron mjete të shpejta, me kosto efektive, jo-invazive alternative diagnostikuese të bazuara në imazhe. Faktorët e rëndësishëm për suksesin e sistemeve të AI do të ishin fuqia më e lartë llogaritëse dhe më shumë përvoja e njerëzve. Në një të ardhme të mundshme, njohuri dhe diagnoza të reja mjekësore mund të arrihen me AI pa drejtim ose mbikëqyrje njerëzore.
***
{Mund të lexoni punimin origjinal kërkimor duke klikuar lidhjen DOI të dhënë më poshtë në listën e burimeve të cituara}
Burimi (s)
1. Kermany DS et al. 2018. Identifikimi i diagnozave mjekësore dhe sëmundjeve të trajtueshme nga mësimi i thellë i bazuar në imazh. Qelizë. 172 (5). https://doi.org/10.1016/j.cell.2018.02.010
2. Poplin R et al. 2018. Parashikimi i faktorëve të rrezikut kardiovaskular nga fotografitë e fundusit të retinës nëpërmjet të mësuarit të thellë. Inxhinieri Biomjekësore e Natyrës. 2. https://doi.org/10.1038/s41551-018-0195-0
