ЕКСКЛУЗИВНО: ПРАВИЛАН РЕДОСЛЕД И БРЗА РЕАКЦИЈА СПАСИЋЕ ОБОЛЕЛЕ Ево како вештачка интелигенција помаже српским радиолозима

Основна идеја је помоћ често веома оптерећеним радиолозима у погледу оптимизације њиховог времена.

– Пројекат који спроводимо заједно са Институтом за онкологију и радиологију Србије има за циљ креирање софтверске апликације за унапређење квалитета анализе мамографије, засноване на моделу вештачке интелигенције – појашњава нам др Вања Швенда, научни сарадник у ИВИ и члан истраживачке групе “Цомпутер Висион & Ремоте Сенсинг”. – На техничком нивоу, коришћене су методе дубоког учења, посебно конволуцијске неуронске мреже, иначе често примењене у обради слика. Након дефинисања саме архитектуре неуронске мреже, укључујући слојеве и неуроне, модел се тренира на великом броју означених слика. Након овог процеса “учења”, модел је у стању да препозна промене у ткиву на мамографијама, са одређеним степеном вероватноће. Дакле, наш модел би давао процене за вероватноћу лезије на ткиву дојке и тако рангирао мамографске снимке дајући препоруку лекарима специјалистима којим редоследом да их прегледају.

На тај начин би пацијенти, код којих је процењен већи ризик, требало да добију приоритет приликом прегледа, како би што пре добили даље препоруке и по потреби започели лечење. Радиолози, наиме,  тренутно потпуно насумично прегледају снимке, тако да се може догодити да пацијент чије стање изискује најбржу могућу реакцију, последњи дође на ред.  Наравно, како истиче и  истраживач на ИВИ Никола Јовишић, који је такође од самог почетка укључен у пројекат - од конципирања идеје, прикупљања података, развоја модела, па све до његове имплементације – треба јасно напоменути да вештачка интелигенција неће самостално успостављати дијагнозе и доносити одлуке о даљем лечењу пацијената: ради се о моделу који само даје препоруку лекарима и тако га треба и посматрати – као алат чији је задатак, у овом конкретном случају, да пружи подршку медицинском особљу - које доноси коначне одлуке.

– За конструктиван даљи напредак, фокус би требало да буде на томе како ове две врсте дијагностике могу међусобно допуњавати једна другу, уместо на њиховом поређењу – наводи др Швенда. – Као што је вероватно добро познато, озбиљан проблем данас је велика оптерећеност лекара специјалиста. Вештачка интели- генција пак није подложан умору и субјективности, што омогућава бржу обраду великог броја снимака. У том контексту наш модел убрзава дијагностичке процесе и помаже у тријажи пацијената рангирањем снимака према вероватноћи присуства лезија. Овако је обезбеђена подршка медицинском особљу, омогућавајући им да се фокусирају на комплексније случајеве и смањујући њихово радно оптерећење. Такође, промене у ткиву дојке често су веома мале и тешко приметне људским оком, а у таквим случајевима АИ може значајно помоћи детаљном анализом слика. С друге стране, искусно око лекара може уочити промене које АИ можда неће препознати. Стога, комбинација вештачке интелигенције и стручне експертизе лекара може значајно да побољша дијагностику.

По речима истраживача са Института за вештачку интелигенцију, АИ системи користе напредне алгоритме за дубоко учење, попут конволуцијских неуронских мрежа, које су изузетно ефикасне у препознавању суптилних образаца у мамографијама. Ово омогућава откривање и најмањих промена у ткиву, што може довести до ранијег откривања потенцијалних проблема. Циљ је, како каже Јовишић, да се пре свега избегну лажно негативни налази, односно да се промене које супотенцијално критичне сврстају у категорију „јавите се поново за годину дана“. Друго, АИ омогућава брзу обраду великог броја снимака, значајно смањујући време потребно за дијагностику. Кроз тријажу пацијената и рангирање снимака према вероватноћи присуства лезија, лекарима се омогућава да се фокусирају на најризичније случајеве. Коначно, АИ модели имају способност континуираног учења и унапређивања на основу нових података, чиме се додатно повећава тачност и ефикасност дијагностике.

– Након што ову прву верзију наше апликације почну да користе лекари са Института за онкологију и радиологију Србије, очекујемо њихове повратне информације у вези са квалитетом резултата како бисмо могли даље да унапређујемо наш модел. Са овом повратном информацијом и новим мамографијама, искористићемо могућност континуираног учења АИ модела у циљу повећања његове тачности и ефикасности – наводи др Вања Швенда. – Након тога, искрено се надам да ћемо бити у прилици да проширимо овај пројекат и на друге здравствене институције у Србији. Јер поред већ поменутог рангирања слика према вероватноћи лезије, могућности примене једног оваквог модела су бројне. Међутим, као и са овом првом применом, кључно је да лекари, као крајњи корисници, изнесу своје потребе и приоритете како бисмо развили најкорисније функционалности.

Мирослав Стајић