artykuły
Udostępnij

Diagnoza łatwiejsza z AI

Nie zawsze oko nawet doświadczonego radiologa jest w stanie wychwycić subtelne zmiany w badaniach obrazowych, świadczące o początkach rozwoju schorzenia, np. choroby Alzheimera. Dlatego uczeni trenują sztuczną inteligencję w wyszukiwaniu nawet niewielkich odchyleń od normy, co ma ułatwić stawianie diagnoz na wczesnych etapach chorób.

Diagnoza łatwiejsza z AI

Istotą sztucznej inteligencji (według definicji Andreasa Kaplana i Michaela Haenlein’a) jest zdolność maszyny do prawidłowej interpretacji danych, dostarczanych do komputera, uczenia się na ich podstawie oraz wykorzystywania tej wiedzy do wykonywania określonych zadań, stawianych przed układem. Dziś algorytmy sztucznej inteligencji pomagają nam wyszukiwać w Internecie obrazy, rozpoznają naszą mowę i umożliwiają jej tłumaczenie na inne języki czy… oceniają naszą zdolność kredytową.

Sztuczna inteligencja powoli wkracza też do medycyny, pomagając lekarzom odpowiednio interpretować wyniki badań obrazowych.

Jak długo pożyję?

Naukowcy z Massachusetts General Hospital i Harvard Medical School stworzyli sieć neuronową CXR-risk, która na podstawie standardowego obrazu prześwietlenia klatki piersiowej potrafi ocenić ogólne ryzyko śmierci danego pacjenta oraz zagrożenie zgonem z powodu zawału serca i raka płuc. Na zbiór uczący układu składały się wyniki badań zdrowych osób między 55. a 74. rokiem życia, zarówno palaczy, jak i osób niepalących.

Wśród pacjentów, których sztuczna inteligencja przydzieliła do grupy bardzo wysokiego ryzyka zgonu, aż 53 procent zmarło w ciągu 12 lat od czasu badania. Dla porównania: w grupie osób, które algorytmy przydzieliły do grupy niskiego prawdopodobieństwa zgonu, w tym samym czasie zmarło tylko 4 procent. Szybsza identyfikacja pacjentów szczególnie zagrożonych przedwczesnym zgonem, chorobami serca lub rakiem płuc może pozwolić wdrożenie działań profilaktycznych już na wczesnym etapie chorób oraz może przedłużyć ich życie.

Alzheimer wykryty (niemal) bezbłędnie

Coraz większa liczba starszych osób w społeczeństwie wiąże się też z coraz większą liczbą chorych z różnymi postaciami demencji. Szacuje się, że jedną z najczęstszych postaci otępienia u starszych osób (choć nie tylko) jest choroba Alzheimera. Dziś do postawienia diagnozy potrzebnych jest wiele testów klinicznych i psychoneurologicznych, a i tak najczęściej całkowitą pewność lekarze uzyskują dopiero po śmierci pacjenta.

Przypuszcza się, że jednym z najwcześniejszych objawów choroby Alzheimera jest spadek zużycia glukozy przez mózg. Nieprawidłowości w metabolizmie glukozy w mózgu mogą pojawiać się wiele lat zanim dojdzie do obserwowalnego spadku zdolności kognitywnych u pacjenta.

Dlatego też naukowcy z University of California w San Francisco nauczyli swoje algorytmy interpretowania obrazów, uzyskanych podczas badania metodą pozytonowej tomografii emisyjnej (PET), pod kątem znajdowania nieprawidłowości w metabolizmie glukozy w mózgu. Zmiany w zużyciu glukozy przez mózg w tym rodzaju badania są na tyle subtelne, że w wielu przypadkach są niedostrzegalne dla ludzkiego oka.

Badacze wykonali 2100 skanów mózgu u 1000 pacjentów powyżej 55 lat, u części po latach rzeczywiście zdiagnozowano chorobę Alzheimera. 90 procent z tych danych posłużyło do nauczenia algorytmów sztucznej inteligencji rozpoznawania choroby na podstawie nieprawidłowego zużycia glukozy. Pozostałe 10 procent danych użyto zaś do sprawdzenia skuteczności działania algorytmów. Metodę następnie przetestowano u kolejnych 40 pacjentów.

Okazało się, że w pierwszym zbiorze testowym komputer prawidłowo rozpoznał pierwsze oznaki choroby Alzheimera u 83 procentach przypadków. W drugiej grupie skuteczność algorytmu okazała się zaś 100-procentowa.

 

 

Na podstawie: 

M. T. Lu et al., Deep Learning to Assess Long-term Mortality From Chest Radiographs. JAMA Network Open. 2(7) (2019) e197416

Y. Ding et al., A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease by Using 18F-FDG PET of the Brain. Radiology (2018) 180958

 

gorący temat
Newsletter
Wprowadź swój adres e-mail

Administratorem podanych powyżej danych osobowych jest PFM.PL S.A. z siedzibą w Toruniu, ul. Szosa Bydgoska 58. W razie wyrażenia zgody Pani/Pana dane osobowe będą przetwarzane przez PFM.PL S.A. w celu realizacji usługi newslettera (zawierającego m.in. informacje handlowe i marketingowe o produktach i usługach własnych administratora danych oraz podmiotów z nim współpracujących ). Przysługuje Pani/Panu prawo dostępu do treści swoich danych oraz ich poprawiania. Podanie adresu e-mail jest dobrowolne, przy czym niezbędne do korzystania z newslettera.

Oświadczam, że zapoznałem się z Regulaminem i akceptuję jego postanowienia.

Wyrażam zgodę na przetwarzanie moich danych osobowych ( tj. adres e-mail ) przez PFM.PL S.A. z siedzibą w Toruniu, ul. Szosa Bydgoska 58 w celu przesyłania newslettera (zawierającego m.in. informacje handlowe i marketingowe o produktach i usługach własnych administratora danych oraz podmiotów z nim współpracujących ), zgodnie z ustawą o ochronie danych osobowych z dnia 29 sierpnia 1997 roku (t.j. Dz.U. 2016 r. poz. 922 z późn. zm.).

Wyrażam zgodę na otrzymywanie newslettera zawierającego informacje handlowe w rozumieniu ustawy z dnia 18 lipca 2002 r. o świadczeniu usług drogą elektroniczną (t.j. Dz. U. 2016 r. poz. 1030 z późn. zm.) na podany powyżej adres poczty elektronicznej, wysyłanych przez PFM.PL S.A. w imieniu własnym oraz na zlecenie podmiotów współpracujących.

Wyrażam zgodę na używanie przez PFM.PL S.A. z siedzibą w Toruniu, ul. Szosa Bydgoska 58 telekomunikacyjnych urządzeń końcowych i automatycznych systemów wywołujących dla celów marketingu bezpośredniego zgodnie z art. 172 ustawy z dnia 16 lipca 2004 r. Prawo telekomunikacyjne (t.j. Dz. U. z 2014 r. poz. 243 z późn. zm.).

Błąd. Wypełnij poprawnie wymagane pola.
REJESTRACJA
Typ konta
Specjalizacja
 
 
Alergologia
Anestezjologia
Chirurgia
Dermatologia i wenerologia
Diabetolog
Endokrynologia
Farmakologia kliniczna
Gastroenterologia
Geriatria
Ginekologia
Hematologia
Immunologia
Internista
Kardiologia
Medycyna
Nefrologia
Okulistyka
Onkologia
Ortopedia
Otorynolaryngologia
Pediatria
POZ
Psychiatria
Reumatologia
Transplantologia
Urologia
Numer PWZ
Imię
Nazwisko
Adres e-mail (login)
Hasło
Powtórz hasło

Administratorem danych osobowych jest PFM.PL S.A. z siedzibą w Toruniu, ul. Szosa Bydgoska 58. Dane osobowe przetwarzane będą w zakresie dostępu i korzystania z Portalu, a także w celach handlowych, marketingowych, edukacyjnych i statystycznych i nie będą udostępniane innym odbiorcom, zgodnie z Ustawą o ochronie danych osobowych z dnia 29 sierpnia 1997 roku (t.j. Dz.U. 2015 poz. 2135 ze zm.).

Użytkownicy Portalu mają prawo dostępu do treści swoich danych oraz ich poprawiania.

Podanie danych osobowych jest dobrowolne, ale niezbędne do realizacji wskazanych wyżej celów.

Wyrażam zgodę na przetwarzanie moich danych osobowych podanych w powyższym formularzu w celach marketingowych produktów i usług własnych oraz podmiotów współpracujących.

Wyrażam zgodę na przetwarzanie moich danych osobowych podanych w powyższym formularzu w celach statystycznych.

Wyrażam zgodę na otrzymywanie informacji handlowych drogą elektroniczną na podany powyżej adres poczty elektronicznej, wysyłanych przez PFM.PL S.A. w imieniu własnym oraz na zlecenie podmiotów współpracujących, zgodnie z Ustawą o świadczeniu usług drogą elektroniczną z dnia 18 lipca 2002 r. (t.j. Dz. U. z 2013 r. poz. 1422, z 2015 r. poz. 1844).

Oświadczam, że zapoznałem się z Regulaminem Portalu Farmaceutyczno Medycznego i akceptuję jego postanowienia.

Błąd. Wypełnij poprawnie wymagane pola.