Naukowcy z Wydziału Matematyki i Nauk Informacyjnych Politechniki Warszawskiej chcą usprawnić rozpoznawanie zmian chorobowych widocznych w tomografii komputerowej i na zdjęciach rentgenowskich płuc. Projekt będzie wsparciem dla lekarzy i pacjentów.
Kluczową rolę w diagnostyce chorób płuc (od raka po zmiany typowe dla zapalenia płuc, w tym wywołane przez COVID-19) pełnią badania obrazowe. Wyzwaniem, nawet dla doświadczonych radiologów i dostępnych algorytmów, jest jednak interpretacja wyników. By ułatwić ten proces, badacze z Politechniki Warszawskiej postanowili wykorzystać możliwości sztucznej inteligencji.
Zamierzamy zbudować system informatyczny, który będzie wspierał pracę radiologa poprzez wzbogacanie zdjęć tomografii komputerowej i RTG o dodatkowe informacje/metacechy – zapowiada prof. Przemysław Biecek, kierownik projektu i lider zespołu MI2DataLab.
Narzędzie pozwoli na wieloaspektową analizę zdjęć i będzie tak opracowane, żeby umożliwić rozbudowę modelu bazowego o moduły wykrywające szeroką gamę cech.
Takie rozwiązanie jest nie tylko skuteczniejsze, ale też łatwiejsze w użyciu i rozwoju niż wiele modułów weryfikujących wąskie spektrum zmian – przekonuje prof. Biecek.
Pomysł wyróżniać będzie także rozbudowany moduł godnej zaufania sztucznej inteligencji. Chodzi o to, żeby pozwalała ona na prześledzenie ścieżki decyzyjnej stojącej za poszczególnymi prognozami, a co za tym idzie – zapewniała większą transparentność oraz bezpieczeństwo rekomendacji.
Modele, które zachowują się jak czarne skrzynki, nie budzą zaufania, są podatne na trudne w wykryciu błędy. Nasz zespół od kilku lat tworzy rozwiązania zwiększające transparentność modeli. Nowy projekt jest oparty o nasze autorskie rozwiązania – podkreśla jego kierownik.
Naukowcy planują wykorzystać dostępne różnorodne bazy danych, m.in. o przypadkach raka płuca, badania dzieci czy pacjentów z COVID-19. Chcą także, specjalnie na potrzeby projektu i w porozumieniu z lekarzami, opracować trzy unikalne zbiory danych o bezprecedensowej reprezentatywności.
Nasze rozwiązanie będzie składało się z modułu sztucznej inteligencji oraz z interfejsu użytkownika pozwalających radiologowi na konwersację z modułem SI. Będzie także zintegrowane z systemami gabinetowymi już wykorzystywanymi przez lekarzy – dodaje lider zespołu.
Projekt będzie realizowany przez interdyscyplinarny zespół: specjalistów od inżynierii oprogramowania, sztucznej inteligencji, wyjaśnialnego uczenia maszynowego, wizualizacji danych oraz radiologii. Wszystko jest tak pomyślane, żeby system działał szybko, bezpiecznie i skutecznie. To kluczowe kryterium w przypadku diagnostyki.
Obecnie powiększamy bazę współpracujących szpitali i radiologów, pierwszy prototyp dostępny dla nich powinien być gotowy za rok, półtora, a w pełni funkcjonalną wersję planujemy oddać do użytku za trzy lata – kończy prof. Biecek.
Projekt „Godna zaufania sztuczna inteligencja wspierająca identyfikację zmian chorobowych w płucach na bazie danych obrazowych” (XLUNGS) jest finansowany przez Narodowe Centrum Badań i Rozwoju w ramach konkursu INFOSTRATEG I.
źródło: PW