Модель, розроблена дослідниками з австралійського Університету Чарльза Дарвіна (CDU), Об'єднаного міжнародного університету та Австралійського католицького університету (ACU), може визначати конкретні закономірності різних захворювань легень, перевершуючи попередні інструменти ШІ, які були протестовані на тих самих наборах даних УЗД. Дослідження опубліковано в журналі Frontiers in Computer Science.
"Модель також використовує методи ШІ, щоб показати рентгенологам, чому вона прийняла певні рішення, що спрощує для них довіру та розуміння результатів", - сказала співавтор дослідження Ніуша Шафіабади, професор CDU. "Ця модель допомагає лікарям швидко і точно діагностувати захворювання легень, підтримує їх прийняття рішень, економить час і служить цінним інструментом навчання".
Команда об'єднала два види моделей ШІ, наголосивши, наскільки адаптивна ця технологія для діагностичних потреб. Одна з них, відома як нейронна мережа (CNN), шукає закономірності у зображеннях або кадрах, зосереджуючись на дрібних змінах на основі пікселів, які людське око може пропустити при вивченні сканів. Потім модель довгої короткострокової пам'яті (LSTM) використовує цю інформацію і поміщає її в ширший контекст, аналізуючи дані CNN з часом, відкидаючи нерелевантні дані.
Завдяки їхньому об'єднанню нова гібридна модель, відома як TD-CNNLSTM-LungNet, здатна неймовірно добре виявляти відхилення, а потім пояснювати, у чому проблема. Щобільше, вона може визначати, чи показують скани ознаки пневмонії, COVID-19, інших захворювань легень чи легені у нормі. З високим показником «відклику» у 96,51% це по суті означає, що ШІ виявляє дуже мало помилково-негативних результатів, що важливо при лікуванні термінових захворювань легень.
Використовуючи ультразвукові відеозаписи наявних наборів даних, модель перевершила діагностичні інструменти ШІ, які нині оцінюються приблизно в 90–92%.
Хоча мало хто сумнівається, що діагностика ШІ скоро стане звичайним явищем у клініках, скептицизм та недовіра до цієї нової технології зберігаються. Хоча чат-боти на основі ШІ, з якими ми можемо взаємодіяти зараз, не навчені клінічно оцінювати медичні сканування або тести на даному етапі, розробляються спеціальні моделі, які стануть надійними інструментами охорони здоров'я.
Наприклад, лише рік тому Управління контролю за продуктами та ліками (FDA) схвалило використання пристрою DermaSensor, першого смартфона зі штучним інтелектом, який, як було показано, здатний виявляти близько 200 різних видів раку шкіри. Хоча ці інструменти не призначені для заміни медичних працівників, пристрої з камерою на основі ШІ повинні стати найкориснішою та найдоступнішою технологією, яку ми коли-небудь бачили в медицині.
Ця нова модель ШІ для захворювань легень дає нам уявлення про те, що попереду, оскільки вона здатна правильно визначати нюанси, які відрізняють, наприклад, COVID-19 від пневмонії. Як зазначили дослідники, обидва ці стани виглядали схожими на людське око, але мали різні закономірності, які дозволили моделі ШІ помітити різницю. Потім вона видавала звіт про те, чому вона дійшла такого висновку для кожного сканування.
"Пояснювальна спроможність запропонованої моделі спрямована на підвищення надійності цього підходу", - сказала Шафіабади. «Система показує лікарям, чому вона ухвалила певні рішення, використовуючи візуальні дані, такі як теплові карти. Ця методика інтерпретації допоможе рентгенологу локалізувати область фокусування та суттєво покращити клінічну прозорість».
У 2024 році Google досягла величезних успіхів у галузі медичної діагностики та ШІ. Аналогічним чином, ця технологія розробляється для охорони здоров'я, щоб допомогти у всьому, від хірургії до відкриття ліків. Вона вже показала свій потенціал для використання при виявленні пухлин мозку та інших видів раку.
Шафіабади зазначила, що поки модель навчена на правильних даних, вона має потенціал для розширення її можливостей діагностики захворювань легень, виявляючи ознаки туберкульозу, чорної легені, астми, раку, хронічних захворювань легень та легеневого фіброзу. І дослідники сподіваються адаптувати модель, щоб мати можливість точно оцінювати не лише УЗД, а й КТ та рентген.