Novo otkriće: Veštačka inteligencija uočava rane znake kovida 19

Prijavljena u IEEE Access-u, nova metoda prilagođena je prirodi medicinskog snimanja i uspešnija je u uočavanju abnormalnosti od rešenja opšte namene.

Otkrivanje anomalija slike je zadatak koji se pojavljuje u analizi podataka u mnogim industrijama. Medicinski pregledi, međutim, predstavljaju poseban izazov.

Algoritmima je mnogo lakše da pronađu, recimo, automobil sa ispucalom gumom ili slomljenim vetrobranom u nizu slika automobila, nego da pokažu koji od rendgenskih snimaka pokazuje rane znake patologije u plućima, poput početka kovida 19 pneumonija.

"Medicinske slike su teške iz nekoliko razloga", objašnjava profesor Školteha Dmitrij Dilov, šef Institutske grupe za računarsko snimanje i stariji autor studije. "Kao prvo, anomalije veoma liče na uobičajeni slučaj. Ćelije su slične i obično vam je potreban obučen stručnjak da prepoznate da nešto nije u redu."

"Mašine su dobre u nečemu što se zove dvoklasni problem. Tada imate dve različite klase, od kojih svaka ima mnogo primera za obuku - poput mačaka i pasa. Kod medicinskih skeniranja, normalan slučaj je uvek u velikoj meri prezastupljen, pa se uočava samo nekoliko anomalnih primera koji se pojavljuju tu i tamo. Čak i oni imaju tendenciju da se međusobno razlikuju, tako da jednostavno nemate dobro definisanu klasu za abnormalnosti", prenosi Tehnology.

Grupa naučnika, proučavala je četiri skupa podataka rendgenskih snimaka grudnog koša i histološke mikroskopske slike raka dojke kako bi potvrdila univerzalnost metode na različitim uređajima za snimanje.

Iako su stečena prednost i apsolutna tačnost uveliko varirali i zavisili od dotičnog skupa podataka, nova metoda je dosledno nadmašila konvencionalna rešenja u svim razmatranim slučajevima.

Ono što novu metodu razlikuje od konkurencije je to što nastoji da "opazi" opšti utisak koji bi stručnjak za skeniranje mogao da ima identifikujući same karakteristike koje utiču na odluke ljudskih napomena.

Ono što takođe izdvaja studiju je predloženi recept za standardizaciju pristupa problemu otkrivanja anomalija medicinske slike, kako bi različite istraživačke grupe mogle da uporede svoje modele na dosledan i ponovljiv način.