Исследователи разрабатывают инструменты ИИ и машинного обучения (ML) для множества медицинских приложений: от роботизированной хирургии и анализа электронных медицинских карт до интерпретации медицинских изображений. Крайне важно, чтобы результаты работы медицинских устройств были надежными. По состоянию на 7 августа 2024 года FDA США одобрило 950 медицинских устройств с поддержкой ИИ/ML. Более 100 из них были одобрены в 2024 году; они собирают точные входные данные с носимых устройств. ИИ теперь может эффективно определять демографические характеристики по медицинским изображениям, что способствует диагностике и прогнозированию заболеваний.
ИИ в медицинской визуализации помогает медицинским работникам выявлять проблемные зоны или детали, которые могут быть упущены человеческим глазом. Например, медицинская визуализация на базе ИИ может анализировать точки данных в медицинском отчете, чтобы отличать болезнь от здоровой ткани, а также отделять полезные сигналы от шума.
Можем ли мы доверять медицинским изображениям?
Доверие к медицинским изображениям, полученным с помощью КТ и МРТ, имеет решающее значение для точной диагностики и лечения. КТ и МРТ — популярные методы визуализации внутренних органов. Они имеют схожее применение, но создают изображения разными способами. В КТ используются рентгеновские лучи, а в МРТ — мощные магниты и радиоволны. КТ обычно лучше подходит для больших областей, в то время как МРТ дает более качественное общее изображение конкретной ткани, подвергающейся исследованию.
Создание КТ-изображений с помощью ИИ на основе МРТ-сканов
Исследователи разрабатывают технологию ИИ для генерации КТ-изображений на основе МРТ-снимков, что может еще больше повысить точность и надежность медицинской визуализации. Транскраниальный сфокусированный ультразвук может использоваться для лечения дегенеративных двигательных расстройств, трудноизлечимой боли и психических расстройств путем доставки ультразвуковой энергии в определенную область мозга без вскрытия черепа. Это лечение должно проводиться с использованием технологии визуализации, способной локализовать поражения мозга. Врачи обычно используют КТ для получения информации о черепе пациента, которую трудно идентифицировать только с помощью МРТ, и для точной фокусировки ультразвука на поражениях через череп. Однако существуют опасения по поводу безопасности КТ, при которой неизбежно радиационное облучение, особенно у педиатрических пациентов и беременных женщин.
Центр бионики при Корейском институте науки и технологий (KIST) доказал, что КТ-изображения, полученные с помощью искусственного интеллекта, имеют клиническую ценность. Ранее предпринимались попытки получить информацию о черепе из МРТ-изображений, но для этого требовались специальные катушки для МРТ, которые широко не представлены в медицинской практике. Исследовательская группа KIST разработала 3D-условную состязательную генеративную сеть, которая изучает процесс нелинейного преобразования КТ из Т1-взвешенных МРТ-изображений — одного из наиболее часто используемых типов изображений в медицине. Команда разработала функцию потерь, которая минимизирует ошибку вариации пикселей по шкале Хаунсфилда на КТ-изображениях. Этот метод также оптимизирует производительность нейронной сети путем сравнения изменений качества синтетических КТ-изображений в соответствии с методами нормализации сигналов МРТ-изображений. В качестве примеров можно привести Z-нормализацию и частичное линейное сопоставление гистограмм.
Для безопасного и эффективного ультразвукового лечения крайне важно заранее понимать соотношение плотности черепа и толщину черепа каждого пациента. Когда эти факторы черепа были получены с помощью синтетической КТ, оба показателя продемонстрировали корреляцию >0,90 с фактической КТ. Статистически значимой разницы не было. Более того, при моделировании ультразвукового лечения ошибка фокусного расстояния ультразвука составила менее 1 мм. Ошибка внутричерепного пикового акустического давления составила примерно 3,1%. Сходство фокусного объема составило примерно 83%. Это доказало, что система транскраниального сфокусированного ультразвукового лечения может работать только с использованием МРТ-изображения.
Ответственные данные для ИИ решают всё
Имея надежные данные в качестве входных данных для медицинских устройств, медицинское сообщество может рассчитывать на наилучшие результаты в виде изображений, полученных с помощью КТ. В обсуждаемых сценариях (опасения по поводу радиации при КТ определенных участков мозга) мы продолжим находить более безопасные варианты, где ИИ может обеспечить приемлемую точность генерации изображений на основе МРТ-сканов. Это один из примеров того, как ответственное использование данных для ИИ играет значительную роль в диагностике, лечении и уходе за пациентами.
Рагувиран Соумянараянан, руководитель глобального направления по искусственному интеллекту в Wipro Technologies
Рагувиран Соумянараянан лично руководит внедрением очень крупных и сложных корпоративных озер данных (Enterprise Data Lake), а также множеством экспериментов и пилотных проектов (PoC) в области генеративного ИИ. С ним можно связаться по адресу raghuveeran.sowmyanarayanan@wipro.com.
