EKSKLUZIVNO: PRAVILAN REDOSLED I BRZA REAKCIJA SPASIĆE OBOLELE Evo kako veštačka inteligencija pomaže srpskim radiolozima

Osnovna ideja je pomoć često veoma opterećenim radiolozima u pogledu optimizacije njihovog vremena.

– Projekat koji sprovodimo zajedno sa Institutom za onkologiju i radiologiju Srbije ima za cilj kreiranje softverske aplikacije za unapređenje kvaliteta analize mamografije, zasnovane na modelu veštačke inteligencije – pojašnjava nam dr Vanja Švenda, naučni saradnik u IVI i član istraživačke grupe “Computer Vision & Remote Sensing”. – Na tehničkom nivou, korišćene su metode dubokog učenja, posebno konvolucijske neuronske mreže, inače često primenjene u obradi slika. Nakon definisanja same arhitekture neuronske mreže, uključujući slojeve i neurone, model se trenira na velikom broju označenih slika. Nakon ovog procesa “učenja”, model je u stanju da prepozna promene u tkivu na mamografijama, sa određenim stepenom verovatnoće. Dakle, naš model bi davao procene za verovatnoću lezije na tkivu dojke i tako rangirao mamografske snimke dajući preporuku lekarima specijalistima kojim redosledom da ih pregledaju.

Na taj način bi pacijenti, kod kojih je procenjen veći rizik, trebalo da dobiju prioritet prilikom pregleda, kako bi što pre dobili dalje preporuke i po potrebi započeli lečenje. Radiolozi, naime,  trenutno potpuno nasumično pregledaju snimke, tako da se može dogoditi da pacijent čije stanje iziskuje najbržu moguću reakciju, poslednji dođe na red.  Naravno, kako ističe i  istraživač na IVI Nikola Jovišić, koji je takođe od samog početka uključen u projekat - od koncipiranja ideje, prikupljanja podataka, razvoja modela, pa sve do njegove implementacije – treba jasno napomenuti da veštačka inteligencija neće samostalno uspostavljati dijagnoze i donositi odluke o daljem lečenju pacijenata: radi se o modelu koji samo daje preporuku lekarima i tako ga treba i posmatrati – kao alat čiji je zadatak, u ovom konkretnom slučaju, da pruži podršku medicinskom osoblju - koje donosi konačne odluke.

– Za konstruktivan dalji napredak, fokus bi trebalo da bude na tome kako ove dve vrste dijagnostike mogu međusobno dopunjavati jedna drugu, umesto na njihovom poređenju – navodi dr Švenda. – Kao što je verovatno dobro poznato, ozbiljan problem danas je velika opterećenost lekara specijalista. Veštačka inteli- gencija pak nije podložan umoru i subjektivnosti, što omogućava bržu obradu velikog broja snimaka. U tom kontekstu naš model ubrzava dijagnostičke procese i pomaže u trijaži pacijenata rangiranjem snimaka prema verovatnoći prisustva lezija. Ovako je obezbeđena podrška medicinskom osoblju, omogućavajući im da se fokusiraju na kompleksnije slučajeve i smanjujući njihovo radno opterećenje. Takođe, promene u tkivu dojke često su veoma male i teško primetne ljudskim okom, a u takvim slučajevima AI može značajno pomoći detaljnom analizom slika. S druge strane, iskusno oko lekara može uočiti promene koje AI možda neće prepoznati. Stoga, kombinacija veštačke inteligencije i stručne ekspertize lekara može značajno da poboljša dijagnostiku.

Po rečima istraživača sa Instituta za veštačku inteligenciju, AI sistemi koriste napredne algoritme za duboko učenje, poput konvolucijskih neuronskih mreža, koje su izuzetno efikasne u prepoznavanju suptilnih obrazaca u mamografijama. Ovo omogućava otkrivanje i najmanjih promena u tkivu, što može dovesti do ranijeg otkrivanja potencijalnih problema. Cilj je, kako kaže Jovišić, da se pre svega izbegnu lažno negativni nalazi, odnosno da se promene koje supotencijalno kritične svrstaju u kategoriju „javite se ponovo za godinu dana“. Drugo, AI omogućava brzu obradu velikog broja snimaka, značajno smanjujući vreme potrebno za dijagnostiku. Kroz trijažu pacijenata i rangiranje snimaka prema verovatnoći prisustva lezija, lekarima se omogućava da se fokusiraju na najrizičnije slučajeve. Konačno, AI modeli imaju sposobnost kontinuiranog učenja i unapređivanja na osnovu novih podataka, čime se dodatno povećava tačnost i efikasnost dijagnostike.

– Nakon što ovu prvu verziju naše aplikacije počnu da koriste lekari sa Instituta za onkologiju i radiologiju Srbije, očekujemo njihove povratne informacije u vezi sa kvalitetom rezultata kako bismo mogli dalje da unapređujemo naš model. Sa ovom povratnom informacijom i novim mamografijama, iskoristićemo mogućnost kontinuiranog učenja AI modela u cilju povećanja njegove tačnosti i efikasnosti – navodi dr Vanja Švenda. – Nakon toga, iskreno se nadam da ćemo biti u prilici da proširimo ovaj projekat i na druge zdravstvene institucije u Srbiji. Jer pored već pomenutog rangiranja slika prema verovatnoći lezije, mogućnosti primene jednog ovakvog modela su brojne. Međutim, kao i sa ovom prvom primenom, ključno je da lekari, kao krajnji korisnici, iznesu svoje potrebe i prioritete kako bismo razvili najkorisnije funkcionalnosti.

Miroslav Stajić