Исследователи разрабатывают инструменты ИИ и машинного обучения (ML) для множества медицинских приложений, от роботизированных операций до анализа ЭМК и интерпретации медицинских изображений. Важно, чтобы выводы медицинских устройств были надёжными. По состоянию на 7 августа 2024 года FDA США одобрило 950 медицинских устройств с ИИ/ML. Более 100 из них были одобрены в 2024 году, они собирают точные входные метрики с носимых устройств. ИИ теперь может эффективно определять демографические характеристики из медицинских изображений, что облегчает диагностику и прогнозирование заболеваний.
ИИ в медицинской визуализации помогает медицинским специалистам выявлять проблемные области или детали, которые могут быть пропущены человеческим глазом. Например, ИИ‑помощь в медицинской визуализации может анализировать точки данных в медицинском отчёте, чтобы отличить болезнь от здоровой ткани, и сигналы от шума.
Можно ли доверять медицинским изображениям?
Доверие к медицинским изображениям, полученным с помощью КТ и МРТ, критически важно для точной диагностики и лечения. КТ и МРТ являются популярными методами визуализации внутренних частей тела. У них схожие применения, но изображения создаются по‑разному. КТ использует рентген, а МРТ – сильные магниты и радиоволны. КТ обычно подходит для больших областей, а МРТ даёт более качественное изображение конкретной ткани, подлежащей исследованию.
Создание изображений КТ, сгенерированных ИИ, на основе МРТ
Исследователи разрабатывают ИИ‑технологию для генерации изображений КТ на основе МРТ, что может дополнительно повысить точность и надёжность медицинской визуализации. Транскраниальная фокусированная ультразвуковая терапия может использоваться для лечения дегенеративных двигательных расстройств, невыносимой боли и психических расстройств, доставляя ультразвуковую энергию в конкретную область мозга без открытия черепа. Это лечение должно проводиться с помощью технологии, основанной на изображениях, которая может локализовать поражения мозга. Врачи обычно используют КТ, чтобы получить информацию о черепе пациента, которую трудно определить только с помощью МРТ, и точно фокусировать ультразвук на поражениях через череп. Однако возникали опасения по поводу безопасности КТ‑сканирования, при котором неизбежно возникает облучение, особенно у детей и беременных.
Бионический исследовательский центр Института науки и технологий Кореи (KIST) доказал, что изображения КТ, полученные с помощью искусственного интеллекта, имеют клиническую ценность. Были предприняты усилия по получению черепной информации из МРТ‑изображений, но для этого требуются специальные катушки для МРТ, которые не широко доступны в медицинской практике. Команда KIST разработала 3‑D условную генеративную сеть с противоборством, которая учится нелинейному процессу преобразования КТ из T1‑взвешенных МРТ‑изображений – одного из наиболее часто используемых изображений в медицине. Команда разработала функцию потерь, минимизирующую ошибку вариации пикселей единиц Хунсфилда в изображениях КТ. Этот метод также оптимизирует производительность нейронной сети, сравнивая изменения качества синтетических изображений КТ в соответствии с методами нормализации сигналов изображений МРТ. Рассмотрим нормализацию Z‑score и частичную линейную нормализацию сопоставления гистограмм как примеры.
Для безопасного и эффективного ультразвукового лечения необходимо заранее знать коэффициент плотности черепа и толщину черепа каждого пациента. Когда эти факторы черепа были получены с помощью синтетической КТ, оба показали корреляцию >0.90 с реальной КТ. Различий, статистически значимых, не было. Более того, при симулированном ультразвуковом лечении расстояние фокуса ультразвука имело ошибку менее 1 мм. Пиковое акустическое давление в мозге имело ошибку около 3,1 %. Сходство объёма фокуса было примерно 83 %. Это показало, что система транскраниальной фокусированной ультразвуковой терапии может быть выполнена только с использованием изображения МРТ.
Ответственные данные для ИИ делают всё разницу
Имея надёжные данные в качестве входа для медицинских устройств, медицинское сообщество может ожидать наилучших результатов в виде изображений из КТ‑сканирования. В рассматриваемых сценариях (опасения по поводу облучения КТ‑сканирования в определённых участках мозга) мы будем продолжать искать более безопасные варианты, где ИИ может обеспечить разумную точность генерации изображений из МРТ‑сканирования. Это один из примеров, где ответственные данные для ИИ играют значительную роль в диагностике, лечении и уходе за пациентами.
Raghuveeran Sowmyanarayanan Global Delivery Head for Artificial Intelligence at Wipro Technologies
Raghuveeran Sowmyanarayanan лично руководит очень крупными и сложными реализациями Enterprise Data Lake и многими экспериментами и PoC по Gen AI. Его можно связать по адресу raghuveeran.sowmyanarayanan@wipro.com.
