AI technologija MRT duomenų analizei, kurią sukūrė prof. dr. Shadi Albarqouni, kompiuterinių medicininių vaizdų tyrimų profesorius Bonos universitetinėje ligoninėje ir Helmholtz AI jaunesniojo tyrimo grupės vadovas Helmholtz Miunchene. Kreditas: Johannas F. Saba, Bonos universiteto ligoninė (UKB) Algoritmas, sukurtas mokslininkų iš Helmholtz Miuncheno, Miuncheno technikos universiteto (TUM) ir jo universiteto ligoninės rechts der Isar, Bonos universiteto ligoninės (UKB) ir Bonos universitetas gali mokytis savarankiškai įvairiose medicinos įstaigose. Pagrindinis bruožas yra tai, kad jis mokosi savarankiškai, ty nereikalauja didelių, daug laiko reikalaujančių radinių ar radiologų žymėjimo MRT vaizduose.
Šis sujungtas algoritmas buvo išmokytas daugiau nei 1,500 Sveikų tyrimo dalyvių MRT skenavimas iš keturių institucijų išlaikant duomenų privatumą. Tada šis algoritmas buvo naudojamas analizuojant daugiau nei 500 pacientų MRT tyrimus, siekiant nustatyti tokias ligas kaip išsėtinė sklerozė, kraujagyslių ligos. , ir įvairių formų smegenų auglių, kurių algoritmas dar nebuvo matęs. Tai atveria naujas galimybes kurti veiksmingus dirbtiniu intelektu pagrįstus sujungtus algoritmus, kurie mokosi savarankiškai ir saugo privatumą. Tyrimas dabar buvo paskelbtas žurnale Nature Machine Intelligence. Sveikatos priežiūrą šiuo metu sukelia dirbtinis intelektas. Naudodami tikslius AI sprendimus gydytojai gali padėti diagnozuoti. Tačiau tokiems algoritmams mokymui reikia daug duomenų ir susijusių radiologinių specialistų išvadų. Tačiau kuriant tokią didelę centrinę duomenų bazę, duomenų apsaugai keliami ypatingi reikalavimai. Be to, išvadų ir anotacijų kūrimas, pavyzdžiui, navikų žymėjimas MRT vaizde, užima daug laiko.
Siekdama įveikti šiuos iššūkius, daugiadisciplinė komanda iš Helmholtz Miuncheno, Bonos universiteto ligoninės ir Bonos universiteto bendradarbiavo su gydytojais ir Londono imperatoriškojo koledžo ir TUM bei jos universiteto ligoninės rechts der Isar mokslininkai. Tikslas buvo sukurti dirbtiniu intelektu pagrįstą medicininės diagnostikos algoritmą smegenų MRT vaizdams be jokių radiologo anotuotų ar apdorotų duomenų. Be to, šis algoritmas turėjo būti apmokytas „federaliniu lygiu“: tokiu būdu algoritmas „ateina į duomenis“, kad specialios apsaugos reikalaujantys medicininių vaizdų duomenys galėtų likti atitinkamoje klinikoje ir nebūtų renkami centralizuotai. Mokymasis iš kelių institutų, nesikeičiant duomenimis
Tyrėjai savo tyrime sugebėjo tai įrodyti jų sukurtas jungtinis AI algoritmas pranoko bet kurį AI algoritmą, parengtą naudojant tik vienos institucijos duomenis. „Savo knygoje „Minių išmintis“ Jamesas Surowieckis teigė, kad didelės žmonių grupės yra protingesnės, kad ir koks protingas būtų žmogus. Iš esmės taip veikia mūsų jungtinis AI algoritmas“, – sako prof. dr. Shadi Albarqouni. Kompiuterinių medicininių vaizdų tyrimų profesorius Bonos universitetinės ligoninės Diagnostikos ir intervencinės radiologijos katedroje ir Helmholtz AI jaunesniojo tyrimo grupės vadovas Miunchene Helmholtz. Siekdama sutelkti žinias apie smegenų MRT vaizdus, tyrėjų komanda apmokė dirbtinio intelekto algoritmą skirtingose nepriklausomose medicinos įstaigose nepažeisdama duomenų privatumo ir nerinkdama duomenų centralizuotai. „Kai šis algoritmas sužinos, kaip atrodo sveikų smegenų MRT vaizdai, bus lengviau aptikti ligą. Norint tai pasiekti, reikia protingo skaičiavimo agregavimo ir dalyvaujančių institutų koordinavimo”, – sako prof. Daktaras Albarqouni. PD Dr. Benedikt Wiestler, TUM universiteto ligoninės rechts der Isar vyresnysis gydytojas ir taip pat dalyvauja tyrime. Jis priduria, kad „modelio mokymas naudojant skirtingų centrų duomenis labai prisideda prie to, kad mūsų algoritmas aptinka ligas daug patikimiau nei kiti algoritmai, kurie mokomi tik naudojant duomenis iš vieno centro“. Įperkamų bendradarbiavimo AI sprendimų link
Apsaugodami pacientų duomenis ir sumažindami radiologų darbo krūvį, mokslininkai mano, kad jų sujungta AI technologija žymiai patobulins skaitmeninę mediciną.
„AI ir sveikatos priežiūra turėtų būti įperkamos, tai yra mūsų tikslas. Atlikę tyrimą žengėme žingsnį šia kryptimi“, – sako prof. dr. Albarqouni. „Mūsų pagrindinis tikslas yra sukurti dirbtinio intelekto algoritmus, bendradarbiaujant mokomuose skirtinguose decentralizuotuose medicinos institutuose, įskaitant tuos, kurių ištekliai riboti.
42256 42256 Daugiau informacijos: Cosmin I. Bercea ir kt., „Federated disentangled representation learning“ siekiant aptikti neprižiūrimą smegenų anomaliją, „Nature Machine Intelligence“ (00515). DOI: .530/s42256-25-25-2
Citata: efektyvi dirbtinio intelekto technologija MRT duomenų analizei (2022, rugpjūtis ) gauta rugpjūčio mėn 530 iš https://techxplore.com/news/42256–efektyvi-ai-technology-mri- analysis.html
Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačių studijų ar mokslinių tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.
