Badacze z Charles Darwin University (CDU), United International University i Australian Catholic University (ACU) stworzyli innowacyjny model sztucznej inteligencji, który wykrywa choroby płuc z niespotykaną dotąd precyzją – 96,57 procent. Co więcej, AI potrafi odróżnić COVID-19 od zapalenia płuc i innych schorzeń, co wcześniej było trudne nawet dla doświadczonych radiologów.
Czytaj też: Sztuczna inteligencja Google weszła na wyższy poziom. Pomoże tworzyć nowe leki
Model, nazwany TD-CNNLSTM-LungNet, łączy w sobie dwie zaawansowane technologie: konwolucyjne sieci neuronowe (CNN), które analizują najmniejsze detale w obrazach, oraz sieci neuronowe LSTM, które przetwarzają dane w szerszym kontekście, eliminując nieistotne informacje. Dzięki temu AI nie tylko diagnozuje chorobę, ale także dostarcza wizualnych wyjaśnień, takich jak mapy cieplne, które pomagają lekarzom zrozumieć proces decyzyjny.
Sztuczna inteligencja widzi “niewidoczne”
Nowatorska technologia opisana w czasopiśmie Frontiers in Computer Science analizuje szczegóły w obrazach ultrasonograficznych, które są trudne do wychwycenia dla ludzkiego oka. Na przykład COVID-19 i zapalenie płuc wyglądają bardzo podobnie na zdjęciach, ale AI potrafi rozróżnić unikalne wzory zmian w tkankach płucnych, dzięki czemu jest bardziej precyzyjna niż poprzednie modele diagnostyczne, które osiągały wyniki na poziomie 90-92 proc.
Jeszcze ważniejsza jest wysoka skuteczność w wykrywaniu przypadków pozytywnych, tzw. recall wynosi 96,51 proc., co oznacza bardzo niską liczbę fałszywie negatywnych diagnoz. To kluczowe w przypadku chorób wymagających szybkiego leczenia, takich jak COVID-19 czy zapalenie płuc.
Jednym z największych osiągnięć tego modelu jest jego zdolność do “wyjaśniania” swoich decyzji.
Prof. Niusha Shafiabady z CDU mówi:
System pokazuje lekarzom, dlaczego podjął określoną decyzję, używając wizualnych narzędzi, takich jak mapy cieplne. Dzięki temu wzrasta zaufanie do AI, a lekarze mogą lepiej zlokalizować obszar wymagający uwagi.
Technologia może być również cennym narzędziem szkoleniowym dla przyszłych radiologów, umożliwiając im lepsze zrozumienie subtelnych zmian w obrazach medycznych.
Twórcy TD-CNNLSTM-LungNet planują rozszerzyć możliwości swojego modelu, by analizował nie tylko obrazy ultrasonograficzne, ale także tomografię komputerową (CT) i zdjęcia rentgenowskie. System mógłby w przyszłości diagnozować jeszcze więcej chorób, takich jak astma, gruźlica, rak płuc czy przewlekła obturacyjna choroba płuc (POChP).
Wprowadzenie tak zaawansowanych narzędzi do klinik na całym świecie może znacznie przyspieszyć procesy diagnostyczne, poprawić dostępność opieki zdrowotnej i pomóc w walce z globalnymi problemami zdrowotnymi, szczególnie w obszarach o ograniczonym dostępie do specjalistów.
Sztuczna inteligencja już teraz znajduje zastosowanie w medycynie – od wykrywania nowotworów po wspomaganie chirurgów podczas operacji. Rok 2024 przyniósł duże postępy, takie jak zatwierdzenie przez FDA urządzenia DermaSensor do wykrywania raka skóry za pomocą AI. Nowy model diagnostyki chorób płuc to kolejny krok w kierunku uczynienia medycyny bardziej precyzyjną, dostępną i przystępną cenowo.
Czy sztuczna inteligencja zawita do polskich szpitali?
W kontekście polskiego systemu ochrony zdrowia, gdzie pacjenci nierzadko czekają tygodniami na opis badania obrazowego, wdrożenie sztucznej inteligencji mogłoby przynieść rewolucyjne zmiany. Obecnie w wielu regionach kraju brakuje radiologów, co wydłuża kolejki i opóźnia diagnozy – a w przypadku schorzeń takich jak zapalenie płuc, COVID-19 czy nowotwory, czas ma kluczowe znaczenie.
Technologia, taka jak TD-CNNLSTM-LungNet, mogłaby działać jako wsparcie dla lekarzy, przejmując pierwszą fazę analizy badań ultrasonograficznych, rentgenowskich czy tomografii komputerowej. AI jest w stanie szybko zidentyfikować przypadki wymagające pilnej interwencji, priorytetyzując je w kolejce do konsultacji z lekarzem. Dzięki temu pacjenci z najpoważniejszymi schorzeniami mogliby otrzymywać diagnozę w ciągu godzin, a nie tygodni.
Wprowadzenie takich rozwiązań mogłoby również odciążyć personel medyczny w szpitalach powiatowych czy małych przychodniach, gdzie dostęp do radiologów jest szczególnie ograniczony. W regionach wiejskich i małych miastach, gdzie często sprzęt jest, ale brakuje specjalistów, AI mogłoby pełnić rolę pierwszego “konsultanta”, zapewniając szybsze wyniki i podnosząc jakość opieki medycznej.
W obliczu starzejącego się społeczeństwa i rosnącej liczby chorób przewlekłych, mądre wykorzystanie AI w diagnostyce to krok, który może nie tylko poprawić efektywność systemu ochrony zdrowia w Polsce, ale i uratować życie wielu pacjentów.
