Polscy naukowcy opracowali jeden z najbardziej zaawansowanych modeli sztucznej inteligencji (AI) w diagnostyce obrazowej klatki piersiowej. Dzięki współpracy specjalistów z Politechniki Warszawskiej i Polskiej Grupy Raka Płuca powstał system oparty na największej na świecie bazie zdjęć tomografii komputerowej (TK) klatki piersiowej. Narzędzie to ma wspierać lekarzy w szybszym i precyzyjniejszym diagnozowaniu chorób, w tym nowotworów płuc.
Model AI, który analizuje tysiące badań w kilka sekund
System opracowany w ramach projektu Xlungs umożliwia błyskawiczną analizę ogromnych zbiorów obrazów tomografii komputerowej, pozwalając na szybkie oznaczenie zmian chorobowych i istotnych cech anatomicznych.
Jak wyjaśnia Przemysław Biecek, kierownik projektu i lider zespołu badawczego MI².AI:
System jest tak zaprojektowany, by wspierać lekarza przy najbardziej żmudnych czynnościach i dać mu więcej czasu na analizę istotnych diagnostycznie cech.
To przełomowe rozwiązanie, które może znacząco usprawnić diagnostykę obrazową w Polsce. Obecnie lekarze, analizując tomografię komputerową, muszą ręcznie przeglądać setki zdjęć, co jest czasochłonne i obarczone ryzykiem ludzkich błędów. Sztuczna inteligencja może zautomatyzować ten proces, wskazując najbardziej istotne zmiany i redukując czas potrzebny na ocenę wyników badań.
Największa na świecie baza danych tomografii komputerowej
Model AI powstał na podstawie 40 tysięcy badań TK, opracowanych przez zespół MI².AI we współpracy z Polską Grupą Raka Płuca. Dane pochodzą z lat 2010–2018 i obejmują materiały z badań przesiewowych w kierunku raka płuca. Całkowita objętość danych wynosi 40 terabajtów, co czyni ją największą tego typu bazą na świecie.
Cechy anatomiczne zmierzone przez system mogą być zintegrowane z innymi procesami diagnostycznymi. Podobnie jak badanie krwi jest podstawą diagnozowania licznych chorób – tak precyzyjne, szybkie i tanie wymiarowanie zmian w klatce piersiowej może być przełomem w screeningu – zaznacza Przemysław Biecek.
Co istotne, model AI został zaprojektowany w taki sposób, by współpracować z już istniejącymi systemami dokumentacji medycznej, co znacząco ułatwia jego wdrożenie do praktyki klinicznej.
Wykorzystanie danych medycznych – potencjał dla polskiej diagnostyki
Każdego roku w Polsce wykonuje się ponad 60 mln badań obrazowych, w tym ogromną liczbę tomografii komputerowych. Według raportu Collective Minds Radiology, jedno badanie TK generuje od 200 MB do 1 GB danych, a średniej wielkości szpital wytwarza od kilkudziesięciu terabajtów do kilku petabajtów danych rocznie.
Jednak pomimo tak ogromnych zasobów, wiele wyników badań jest przechowywanych w bazach szpitalnych i nie jest wykorzystywanych w szerszej analizie. Jak zauważa Marcin Luckner, kierownik prac w projekcie Xlungs:
Często mamy do czynienia z sytuacją, kiedy leczenie pacjenta dobiegło już końca, a wyniki jego badań nadal są w bazie szpitala czy kliniki i metaforycznie +kurzą się+ na półkach. Jednak nawet jeśli dla danego przypadku zachorowania zebrane dane nie mają już zastosowania, to zestawienie ich z wynikami innych osób zmagających się z tą samą dolegliwością może pozwolić lekarzom dostrzec pewne wzory i prawidłowości w rozwoju choroby i w przyszłości usprawnić jej leczenie.
Właśnie w tym obszarze sztuczna inteligencja może odegrać kluczową rolę – analizując ogromne ilości danych, identyfikując schematy chorobowe i pomagając w optymalizacji terapii.
Polska na drodze do innowacji w medycynie
W Polsce co roku przybywa kilkanaście tysięcy absolwentów informatyki, a krajowa infrastruktura medyczna jest coraz bardziej zdigitalizowana – rocznie wystawia się pół miliarda e-recept, a od 2021 r. wszyscy lekarze są zobowiązani do raportowania zdarzeń medycznych w Elektronicznej Dokumentacji Medycznej (EDM).
Zdaniem naukowców z Politechniki Warszawskiej Polska ma ogromny potencjał, by stać się liderem w rozwoju medycznych technologii opartych na sztucznej inteligencji.
Polskie dane pozwalają lepiej wspierać lokalną diagnostykę, niż dane pozyskane np. z Chin. Równocześnie ich rozmiar daje potencjał do tworzenia rozwiązań na światowym poziomie – podkreślają specjaliści PW.
Model CTSegMate – przełom w analizie obrazów medycznych
W ramach projektu Xlungs powstał również model CTSegMate, który analizuje historyczne obrazy TK, automatyzuje opisy badań i skraca czas ich analizy. Nad jego stworzeniem zespół MI².AI pracował przez trzy lata, a do jego opracowania wykorzystano ponad 180 000 godzin obliczeń.
Projekt został sfinansowany przez Narodowe Centrum Badań i Rozwoju w ramach konkursu INFOSTRATEG I.
Sztuczna inteligencja w służbie zdrowia
Rozwój AI w diagnostyce obrazowej to nie tylko przyszłość, ale już teraźniejszość polskiej medycyny. Modele opracowane przez naukowców z Politechniki Warszawskiej mogą przyczynić się do wcześniejszego wykrywania chorób, poprawy skuteczności terapii i odciążenia lekarzy w żmudnej analizie obrazów medycznych.
W obliczu rosnącej liczby pacjentów i wyzwań systemu ochrony zdrowia, takie innowacje mogą stać się ważym elementem nowoczesnej diagnostyki i leczenia w Polsce.
Źródło:
- PAP
