W Akademii Górniczo-Hutniczej w Krakowie powstało nowoczesne narzędzie diagnostyczne oparte na sztucznej inteligencji, które może przyspieszyć i usprawnić procesy analizy obrazowej w radiologii. System Raygenic Rayspad został przetestowany w warunkach klinicznych i, jak mówią lekarze, pozwala działać szybciej, pewniej i precyzyjniej.
Z tego artykułu dowiesz się…
- Jakie funkcje diagnostyczne oferuje system AI opracowany przez AGH.
- W jaki sposób sztuczna inteligencja wspiera lekarzy w analizie badań obrazowych.
- Jakie były wyniki pilotażowych testów przeprowadzonych w Szpitalu Uniwersyteckim w Krakowie.
Pilotaż w Szpitalu Uniwersyteckim w Krakowie
Przez blisko pół roku system Raygenic Rayspad był testowany w warunkach klinicznych w Szpitalu Uniwersyteckim w Krakowie. Lekarze przeanalizowali blisko sto badań obrazowych – rezonansów magnetycznych i tomografii komputerowych – porównując własne opisy z wynikami uzyskanymi dzięki AI.
Platforma, opracowana przez zespół z AGH, wykonuje automatyczną segmentację organów, wykrywa zmiany patologiczne i dokonuje ich dokładnych pomiarów. Zdaniem lekarzy biorących udział w testach, system działa jak „niezwykle uważny asystent”, który nie przeoczy żadnego szczegółu na obrazie.
Kluczowe funkcje systemu diagnostycznego
Rozwiązanie opracowane przez naukowców z AGH bazuje na autorskich algorytmach sztucznej inteligencji i zostało zaimplementowane w narzędziu Raygenic Rayspad. Najważniejsze funkcjonalności systemu to:
- Automatyczna segmentacja organów – szybkie oznaczenie struktur anatomicznych na obrazach.
- Detekcja anomalii – samodzielne identyfikowanie zmian patologicznych, w tym nowotworów i urazów.
- Precyzyjne pomiary zmian – automatyczne wymiarowanie ognisk chorobowych, co standaryzuje i przyspiesza opis badania.
Wsparcie dla lekarzy, nie zamiennik
– Naszym celem było stworzenie narzędzia, które realnie będzie wspierało lekarzy w ich codziennej pracy – mówi prof. Zbisław Tabor, kierownik projektu z Katedry Biocybernetyki i Inżynierii Biomedycznej na Wydziale Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej AGH.
Jak zaznacza profesor, integracja AI z wiedzą kliniczną może znacząco poprawić jakość i tempo diagnozy.
W podobnym tonie wypowiada się prof. Rafał Obuchowicz, specjalista radiolog, który uczestniczył w pilotażu systemu. Podkreśla, że choć narzędzie nadal wymaga dopracowania przez inżynierów, to już teraz pozwala wykrywać zmiany, które mogłyby umknąć podczas rutynowej analizy.
Niezależność od sprzętu i chmurowe wsparcie
System może działać niezależnie od rodzaju sprzętu, a dzięki architekturze chmurowej lekarze mają dostęp do danych z różnych placówek i urządzeń bez konieczności ich synchronizacji. Zintegrowany interfejs zapewnia jednolity sposób prezentacji wyników, eliminując błędy wynikające z różnic w standardach.
– Nasze narzędzie to dowód na to, że nauka może bezpośrednio wspierać lekarzy – efektywnie, bezpiecznie i z realnym wpływem na zdrowie pacjentów – mówi prof. Joanna Jaworek-Korjakowska, dyrektor Centrum Doskonałości Sztucznej Inteligencji AGH.
Rozwój systemu i kolejne etapy prac
Za projekt odpowiada interdyscyplinarny zespół naukowców z AGH i Uniwersytetu Jagiellońskiego. W skład zespołu, oprócz prof. Tabora i prof. Jaworek-Korjakowskiej, wchodzi także prof. Bartosz Zieliński z Wydziału Matematyki i Informatyki Uniwersytetu Jagiellońskiego, specjalista w dziedzinie wyjaśnialnej AI.
Naukowcy planują dalszy rozwój systemu i rozszerzenie jego funkcjonalności. Raygenic Rayspad ma szansę stać się jednym z kluczowych narzędzi wspierających proces cyfryzacji diagnostyki obrazowej w Polsce.
Główne wnioski
- Raygenic Rayspad to system diagnostyczny oparty na AI, opracowany przez interdyscyplinarny zespół naukowców z AGH i UJ.
- W pilotażu w Szpitalu Uniwersyteckim w Krakowie lekarze opisali blisko 100 badań TK i MR, porównując wyniki z analizą algorytmów.
- System oferuje automatyczną segmentację narządów, detekcję zmian patologicznych oraz precyzyjne pomiary wykrytych ognisk.
- Platforma działa w chmurze, co zapewnia dostępność niezależnie od lokalizacji i rodzaju sprzętu, ujednolicając proces analizy.
Źródło:
- AGH
