Nad systemem, który usprawni diagnozowanie i monitorowanie zmian chorobowych w obrębie klatki piersiowej pracują naukowcy z Politechniki Warszawskiej. Ich rozwiązanie ma pomóc m.in. pulmonologom i radiologom przy analizie badań tomografii komputerowej.
W diagnostyce chorób płuc kluczową rolę pełnią badania obrazowe. Naukowcy z Wydziału Matematyki i Nauk Informacyjnych Politechniki Warszawskiej opracowują właśnie system, który usprawni identyfikację zmian widocznych na tomografii komputerowej i rentgenie płuc. Proces ten bywa wyzwaniem nawet dla doświadczonych radiologów. Badacze wykorzystają do tego celu możliwości sztucznej inteligencji.
Okazuje się, że w analizie danych opisowych, towarzyszących badaniom tomografii komputerowej klatki piersiowej, pomocne są również modele językowe, takie jak m.in. GPT. Potrafią one wyciągać uporządkowane informacje z dostępnych historycznych opisów badań TK. Takie dane można następnie wykorzystać w trenowaniu modeli rozpoznających określone zmiany chorobowe, np. w postaci guza czy rozedmy. Integracja modeli dla wizji komputerowej z modelami tekstowymi pozwala zautomatyzować proces ręcznego opisywania wyników. Naukowcy pracują nad systemem informacyjnym opartym na sztucznej inteligencji oraz interfejsie użytkownika pozwalającym radiologowi na konwersację z modułem SI.
Modele SI potrzebują dużych baz danych. W przypadku projektu xLungs trening prowadzony jest na korpusie 40 TB (terabajtów) danych obrazowych, uwzględniających różne podpopulacje, od badań przesiewowych w kierunku raka płuca, po dane obrazowe dzieci. Specjalnie na potrzeby tego projektu i w porozumieniu z lekarzami zostały opracowane trzy unikalne zbiory danych, które będą udostępnione też innym zespołom badawczym pracujących nad modelami dla diagnostyki chorób klatki piersiowej.
Jak AI pomoże w diagnozie raka płuc?
Wyjątkową cechą narzędzia jest wiarygodny moduł sztucznej inteligencji, który skróci czas analizy obrazu potrzebny do wykrycia zmian i uczyni proces oceny obrazu bardziej przejrzystym. System został opracowany tak, aby umożliwić rozbudowę modelu bazowego o moduły wykrywające szeroką gamę cech. Moduł AI dostarczy także wyjaśnień obrazowych i tekstowych, które pozwolą na prześledzenie ścieżki decyzyjnej stojącej za konkretną diagnozą, a także zostanie zweryfikowany pod kątem efektywnej współpracy z radiologiem. Wszystko po to, by zapewnić transparentność i pełne bezpieczeństwo rekomendacji leczenia.
W projekt zaangażowany jest multidyscyplinarny zespół ekspertów: specjalistów od inżynierii oprogramowania, sztucznej inteligencji, wyjaśnialnego uczenia maszynowego, wizualizacji danych czy radiologii. Naukowcy współpracują z Polską Grupą Raka Płuca oraz Dziecięcym Szpitalem Klinicznym w Warszawie.
Trenowanie modeli AI to gigantyczne wyzwanie, nie tylko organizacyjne, ale też inżynierskie. Do wytrenowania modelu potrzebna jest olbrzymia moc obliczeniowa – dotąd wykorzystaliśmy ponad 180 tysięcy godzin prac zaawansowanych procesów obliczeniowych typu karty A100, pojedyncze badanie to trójwymiarowa macierz o wymiarach 500 × 500 × 300 pikseli. Skala naszego przedsięwzięcia jest unikalna, opracowywany zbiór danych PLIST będzie największą publicznie dostępną bazą danych badań CT klatki piersiowej na świecie. Pierwsza wersja modeli została już opracowana i przetestowana, obecnie szukamy kolejnych partnerów medycznych do współpracy nad testowaniem, wdrażaniem i dalszym rozwojem systemu – informuje prof. Przemysław Biecek, kierownik projektu.
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, a jego wartość wynosi przeszło 5,7 mln zł.
źródło: PW