Πίνακας περιεχομένων:
- Στο νέο έγγραφο, ο Ζανγκ και οι συνεργάτες του στην Κίνα, τη Γερμανία και το Τέξας τροφοδοτούσαν πρώτα τις εικόνες των οφθαλμικών διαταραχών στον υπολογιστή. Οι εικόνες ελήφθησαν με μια τεχνική απεικόνισης γνωστή ως τομογραφία οπτικής συνοχής. Αυτή η νεότερη, επαναστατική διαγνωστική τεχνολογία χρησιμοποιεί φωτεινά κύματα για να τραβήξει εικόνες υψηλής ευκρίνειας, διατομής του οφθαλμού, για να δώσει στους γιατρούς έναν τρόπο να χαρτογραφούν και να μετρήσουν τον αμφιβληστροειδή λεπτομερώς.
- Να πάρει τους γιατρούς να εμπιστεύονται τους υπολογιστές
- Τα δίκτυα που βασίζονται σε AI έχουν τεράστιες δυνατότητες στην απεικόνιση της υγειονομικής περίθαλψης. Ο Zhang έδειξε επίσης ότι το σύστημα μπορεί να διακρίνει μεταξύ ιικής και βακτηριακής πνευμονίας σε παιδιά εξετάζοντας τις ακτίνες Χ. Ενώ η ιογενής πνευμονία μπορεί να μην απαιτεί θεραπεία, ένας ασθενής με βακτηριακή πνευμονία απαιτεί άμεση αντιβιοτική θεραπεία για να αποτρέψει σοβαρές επιπλοκές της νόσου.
27 Φεβρουαρίου 2018
για την τεχνητή νοημοσύνη (AI) για τη διάγνωση και τη θεραπεία των συνθηκών υγείας συνεχίζει να κερδίζει ορμή, καθώς μια νέα μελέτη δείχνει πως η τεχνολογία μπορεί να επιταχύνει τη διάγνωση και τη θεραπεία των οφθαλμικών νόσων.
Έγγραφο που δημοσιεύθηκε στις 22 Φεβρουαρίου στο περιοδικό Cell περιγράφει τον τρόπο με τον οποίο η ΑΙ μπορεί να εφαρμοστεί σε ασθενείς με νόσους του αμφιβληστροειδούς. Η έρευνα, με επικεφαλής τον Kang Zhang, καθηγήτρια οφθαλμολογίας στο Shiley Eye Institute του Πανεπιστημίου της Καλιφόρνια στο Σαν Ντιέγκο, καταδεικνύει ότι ένας υπολογιστής θα μπορούσε να μάθει να αναγνωρίζει με ακρίβεια και αξιοπιστία τέτοιες κοινές ασθένειες των ματιών όπως ο εκφυλισμός της ωχράς κηλίδας και η διαβητική αμφιβληστροειδοπάθεια.
"Πρόκειται να προσπαθήσουμε να διδάξουμε σε έναν υπολογιστή τι είναι η εικόνα και πώς να πάρει μια απόφαση για το τι βλέπουν", εξηγεί ο δρ Zhang. "Ο στόχος είναι ο υπολογιστής να είναι τόσο καλός όσο ο ειδικός που πήγε στην ιατρική σχολή και είναι άρτια εκπαιδευμένος στην ιατρική διάγνωση και θεραπεία."
Ενώ μπορεί να πάρει μια εξειδικευμένη δεκαετία πρακτικής εμπειρίας για να φτάσει στα υψηλότερα επίπεδα εμπειρογνωμοσύνης , προσθέτει, "βλέπουμε ότι ένας υπολογιστής μπορεί να αναγνωρίσει αυτά τα πράγματα μετά από μερικές ημέρες."
Το άρθρο ακολουθεί άλλες πρόσφατες μελέτες που δείχνουν ότι οι υπολογιστές βαθιάς μάθησης μπορεί να έχουν νόμιμη θέση στην υγειονομική περίθαλψη, λέει ο Rahul Khurana, ένας οφθαλμίατρος στο Mountain View της Καλιφόρνια και ένας κλινικός εκπρόσωπος της Αμερικανικής Ακαδημίας Οφθαλμολογίας. "Αυτό το είδος τεχνολογίας είναι πολύ ακριβές για ασθενείς με συγκεκριμένους τύπους καταστάσεων", λέει ο Δρ Khurana. "Αυτό προκαλεί ενθουσιασμό στον τομέα."
Διαγνωστικός εκφυλισμός της ωχράς κηλίδας, διαβητική αμφιβληστροειδοπάθεια
Στο νέο έγγραφο, ο Ζανγκ και οι συνεργάτες του στην Κίνα, τη Γερμανία και το Τέξας τροφοδοτούσαν πρώτα τις εικόνες των οφθαλμικών διαταραχών στον υπολογιστή. Οι εικόνες ελήφθησαν με μια τεχνική απεικόνισης γνωστή ως τομογραφία οπτικής συνοχής. Αυτή η νεότερη, επαναστατική διαγνωστική τεχνολογία χρησιμοποιεί φωτεινά κύματα για να τραβήξει εικόνες υψηλής ευκρίνειας, διατομής του οφθαλμού, για να δώσει στους γιατρούς έναν τρόπο να χαρτογραφούν και να μετρήσουν τον αμφιβληστροειδή λεπτομερώς.
Οι σαρώσεις χρησιμοποιούνται για να βοηθήσουν να εντοπίσουν τις συνήθεις καταστάσεις όπως η ωχρά κηλίδα εκφυλισμό, στην οποία επιδεινώνεται ένα μέρος του αμφιβληστροειδούς που ονομάζεται ωχρά κηλίδα και διαβητική αμφιβληστροειδοπάθεια, μια επιπλοκή του διαβήτη που προκαλεί φουσκώματα στα αιμοφόρα αγγεία στον αμφιβληστροειδή και διαρροή υγρών. Και οι δύο είναι επικίνδυνες συνθήκες που μπορεί να προκαλέσουν τύφλωση αν δεν διαγνωστούν και αντιμετωπιστούν άμεσα.
Οι τρέχουσες υπολογιστικές προσεγγίσεις απαιτούν εκατομμύρια εικόνες για την εκπαίδευση ενός υπολογιστή. Η έρευνα του Zhang χρησιμοποίησε ένα "συνελικτικό νευρωνικό δίκτυο" βασισμένο στο AI που απαιτούσε μια πολύ μικρότερη δέσμη δεδομένων μόνο 200.000 απεικονίσεων οπτικής συνοχής.
"Ο υπολογιστής μαθαίνει τον κανονικό χάρτη του ματιού", λέει ο Ζανγκ. "Παρέχουμε μια ποικιλία εικόνων για να μάθουν και να απομνημονεύσουν. Διδάσκουμε, για παράδειγμα, «αν το σημείο είναι εδώ, πρόκειται να είναι εκφυλισμός της ωχράς κηλίδας». Η ομορφιά αυτού είναι αντί να μάθει ο υπολογιστής από μόνη της, μπορούμε να του πούμε τι να αναζητήσουμε. Πρόκειται για το σχεδιασμό λογισμικού ηλεκτρονικών υπολογιστών για να κάνουν τους υπολογιστές να σκέπτονται σαν ανθρώπινο ον. »
Ο υπολογιστής μπόρεσε να αποφασίσει αν ο ασθενής πρέπει να παραπεμφθεί για θεραπεία μέσα σε 30 δευτερόλεπτα και με ακρίβεια 95 τοις εκατό. καταδεικνύει ότι τα νευρικά δίκτυα μπορούν να βοηθήσουν τους γιατρούς και ίσως ακόμη και να ξεπεράσουν τους με τη δυνατότητα να θυμούνται τόσα πολλά δεδομένα. Αυτή η τεχνολογία θα έχει χρήσεις σε ολόκληρο τον κόσμο, προβλέπει ο Ζανγκ. Σε χώρες πλούσιες σε πόρους όπως οι Ηνωμένες Πολιτείες, μπορεί να επιταχύνει τον κρίσιμο χρόνο μεταξύ των σημείων της νόσου και της θεραπείας.
"Ένας ασθενής με πιθανή εκφύλιση της ωχράς κηλίδας μπορεί να χρειαστεί να αντιμετωπιστεί μέσα σε ένα μήνα, αλλά οι παραπομπές και οι διορισμοί μπορεί να καταλήξουν να διαρκέσουν αρκετούς μήνες. Αυτό μπορεί να καθυστερήσει τη διάγνωση και τη θεραπεία », λέει.
Η αντιμετώπιση των ασθενών όπου οι ειδικοί είναι σπάνιοι
Σε περιοχές με φτωχές πηγές, η τεχνολογία μπορεί να βοηθήσει ασθενείς οι οποίοι διαφορετικά δεν θα μπορούσαν να λάβουν φροντίδα εξαιτίας της έλλειψης ιατρών. Ο Ζανγκ και οι συνάδελφοί του θα πάρουν το νευρωνικό τους δίκτυο στην Αϊτή αυτό το καλοκαίρι για να αξιολογήσουν τη χρησιμότητά του. Η περιοχή έχει μεγάλο πληθυσμό ατόμων με διαβήτη που κινδυνεύουν από αμφιβληστροειδοπάθεια, αλλά έχει λιγότερους από 60 οφθαλμίατρους.
Η ικανότητα να το κάνουμε αυτό, ελπίζουμε, θα δώσει περισσότερους ασθενείς πρόσβαση στο σύστημα υγειονομικής περίθαλψης, διότι μπορούμε να διαγνώσουμε "λέει ο Khurana, σημειώνοντας ότι υπάρχουν περίπου 415.000 άνθρωποι που ζουν με διαβήτη παγκοσμίως, οι οποίοι διατρέχουν κίνδυνο για διαβητική αμφιβληστροειδοπάθεια. «Όποτε έχουμε νέα και βελτιωμένη τεχνολογία που θα μας επιτρέψει να κάνουμε τις διαγνώσεις γρηγορότερες και καλύτερες και να κάνουμε πιο προσιτή τη φροντίδα για τον ευρύτερο πληθυσμό, είναι κερδοφόρα για τους ασθενείς και τους γιατρούς».
Να πάρει τους γιατρούς να εμπιστεύονται τους υπολογιστές
Ωστόσο, εξακολουθούν να υπάρχουν προκλήσεις στην εφαρμογή δικτύων που βασίζονται στην ΑΙ στην υγειονομική περίθαλψη, σημειώνει ο Ζανγκ. Οι γιατροί πρέπει να εμπιστεύονται τους βοηθούς υπολογιστών τους. Στη μελέτη, ο Ζανγκ και οι συνάδελφοί του ζήτησαν από τον υπολογιστή να εξηγήσει τη διάγνωσή του, εντοπίζοντας τις περιοχές του οφθαλμού που αναγνωρίστηκαν και αποτέλεσαν τη βάση για το συμπέρασμα της μηχανής.
Ο υπολογιστής δεν φεύγει απλά μια διάγνωση. Εξηγεί γιατί έκανε τη διάγνωση και τη σύσταση που έκαναν », λέει. "Αυτό καθιστά αυτό πιο διαφανές και βοηθά τον ιατρό να εμπιστευθεί τον υπολογιστή περισσότερο. Με αυτόν τον τρόπο, αυτό δεν είναι μόνο ένα μαύρο κιβώτιο και δεν έχετε ιδέα γιατί δίνουν τις διαγνώσεις που κάνει. "
Άλλες χρήσεις για Τεχνητή Τεχνολογία
Τα δίκτυα που βασίζονται σε AI έχουν τεράστιες δυνατότητες στην απεικόνιση της υγειονομικής περίθαλψης. Ο Zhang έδειξε επίσης ότι το σύστημα μπορεί να διακρίνει μεταξύ ιικής και βακτηριακής πνευμονίας σε παιδιά εξετάζοντας τις ακτίνες Χ. Ενώ η ιογενής πνευμονία μπορεί να μην απαιτεί θεραπεία, ένας ασθενής με βακτηριακή πνευμονία απαιτεί άμεση αντιβιοτική θεραπεία για να αποτρέψει σοβαρές επιπλοκές της νόσου.
«Βλέπουμε μια ποικιλία ιατρικών πεδίων όπου η τεχνητή νοημοσύνη χρησιμοποιείται όλο και περισσότερο», Khurana λέει. "Νομίζω ότι είναι μια πολύ συναρπαστική στιγμή για τον τομέα της τεχνητής νοημοσύνης και των εφαρμογών της στην ιατρική."
