Újra dominált a mesterséges intelligencia

Hírek - RSNA2018 | 2019. február 04. 11:20 | Utolsó módosítás dátuma - 2019. június 18. 13:28 | Forrás: AuntMinnie referáló - dr. Oláh Márton

Az AuntMinnie portál beszámolója alapján egy ötrészes cikksorozat erejéig még visszatekintünk Chicagora, miközben olvasóink már bizonyára a bécsi kirándulásukat tervezik. Beszámolónk első része a mesterséges intelligenciát járja körül.

Újra dominált a mesterséges intelligencia

A mesterséges intelligencia témaköre mindenütt jelen volt az idei RSNA gyűlésen, kezdve az RSNA elnökének, Dr. Vijay Rao nyitóbeszédével, amelyben felhívta a radiológus kollégákat, hogy ragadják meg az AI-ban rejlő lehetőségeket, hogy a radiológus szakmát egyszer s mindenkorra a betegellátás centrumába helyezzék vissza.

Továbbra is nagy volt a marketing-felhajtás az AI körül. Startup-ok és frissen alapított cégek versenyeztek egymással, hogy biztosítsák helyüket az új, mesterséges intelligenciát alkalmazó radiológia virágzó világában. A mélytanulásról szóló bemutatók száma drámaian megnőtt, ugyanis több mint 70 kisebb cég volt jelen, hogy bemutathassák (és persze eladhassák) legújabb algoritmusaikat.

A csarnok másik szegletében a hagyományos képalkotási és informatikai cégek hozták el az AI-hoz kapcsolódó kezdeményezéseiket. Számos értékesítő hangsúlyozta, hogy a mesterséges intelligencia használatát elérhetővé kell tenni a radiológusoknak a mindennapi PACS használatban és felvetítették azon problémákat, melyek akadályozhatják a klinikai alkalmazást, amennyiben ezek nem kerülnek megoldásra.

A 2018-as RSNA tudományos programja AI tematikájú előadásokkal is át volt itatva. Számos kutató azért utazott el Chicagoba, hogy megoszthassa a nagyközönséggel, milyen előrelépést értek el mélytanulási algoritmusaik a klinikai gyakorlatban. Többek között olyan klinikai alkalmazásokat prezentáltak, melyek az összes intracraniális vérzést felismerik, illetve amelyek MR képek alapján klasszifikálnak májléziókat és le is írják a leletet, vagy éppen tüdő nodulusukat karakterizálnak CT alapján. Olyan algoritmusokat is bemutattak, melyek diagnosztikus minőségű MR képeket állítanak elő a szokásos gadolínium dózis töredékével, valamint melyek segítenek a felesleges pajzsmirigy biopsziák számának csökkentésében.

További slágertémák voltak a triage területén végzett kutatások, mely applikációk kiválogatták, mely képeket kell sürgősebben leleteznie a radiológusnak. Emellett bemutattak a sugárdózist, valamint a szkennelési időt csökkenteni hivatott eljárásokat, továbbá olyan algoritmusokat, melyek célja a digitális mammográfia és digitális emlő tomoszintézis érzékenységének fokozása. Ezek mellett népszerűek voltak azon prezentációk is, melyek a sürgős leletek eredményeinek hatékonyabb kommunikációját, valamint - kockázatcsökkentési és terápiás válasz megbecslése céljából - a radiomikai adatok analizálását javították. Ezenfelül rengeteg tudományos előadás szólt a mellkas-röntgenen látható eltérések detektálásáról.

Miközben az érdeklődés a mesterséges intelligencia iránt még mindig magas, egyre növekvő érdeklődés övezi azon kihívásokat, melyek még mindig megoldásra várnak, mielőtt a gépi tanulási eszközök széleskörű alkalmazásba kerülnének. Például: az AI algoritmusok lenyűgöző eredményeket érnek el gondosan megválasztott adathalmazokra ráállítva, de nincs garancia arra, hogy ugyanilyen jó teljesítményt nyújtanának random betegpopuláción, vagy éppen más képalkotó eszközön. E gondolatot továbbfűzve, az egyik idei előadás rávilágított, hogy szükséges lenne a mélytanulási algoritmusokat változatos adathalmazokkal tanítani és valóságos eseteken tesztelni, mielőtt debütálnának a klinikai gyakorlatban is.

És ha már adatokról van szó. Még mindig nagy az igény széles körű, megfelelő gyakorló adathalmazokra. Az eddigi fejlesztések főleg a képalkotó alkalmazásokra fókuszáltak, melyekhez már rendelkezésre állnak gyakorló adatok. Példaként számos tudományos ublikáció jelent meg a 2018-as RSNA-n mellkas röntgen alkalmazásokról, melyek nagyrészt annak köszönhetők, hogy 2017-ben az Amerikai National Institutes of Health (NIH) több mint százezer mellkasröntgen képet tett elérhetővé. Egy új, 10600 CT-ből álló adathalmaz is kétségtelenül fejlődésre ösztönzi majd az algoritmus-fejlesztést. Ráadásul a kutatók folyamatosan vizsgálják az olyan új technikák bevetésének lehetőségét, mint a beszédfelismerő, nyelvfeldolgozó programok, melyek egyszerűbbé tehetik az intézeteknek egybegyűjteni saját adataikat.

Miközben az értékesítők nagy előrelépést értek el idén a mesterséges intelligencia PACS szoftverekbe történő integrálásában, még sok munkát kell elvégezni, amíg a radiológusok is egyszerűen tudják használni az AI-t a mindennapi munkájukban és nem kell a PACS mellett párhuzamosan egy másik szoftvert is alkalmazni.
Ráadásul csak kevés olyan cég kapott FDA engedélyt a termékére, mely az idei RSNA-n AI szoftverek klinikai alkalmazását mutatta be. Fontos ugyanakkor megjegyezni, hogy az FDA feltételei az AI képalkotó szoftverek iránt megváltoztak, amelynek hála több cég kaphat majd FDA-engedélyt a jövőben.

Az anyagi kérdésekre is választ kell találnia mind a fejlesztőknek, mind pedig a felhasználóknak. Míg sok startup a nagyteljesítményű algoritmusok fejlesztésére fókuszált, megjelent az igény az anyagilag fenntartható üzleti modellekre. A felhasználók, vagyis az egészségügyi intézmények oldaláról nézve a termékek magas ára lesz az akadálya a mindennapi használatnak. Minden olyan technológia, melyet visszatérítés nélkül dobnak ki a piacra, nehéz lesz eladni a kórház vezetőségének, hacsak nem hoz biztosan jelentős bevételt a közeljövőben. A klinikai validációs tanulmányok nagy segítséget nyújthatnak e területen.

Jelenleg úgy tűnik, az AI legnagyobb lehetősége a radiológusok effektivitásának és munkamenetének fejlesztésében van, illetve magának a radiológia értékének és hatékonyságának a növelésében. Így tudná az AI megvalósítani Rao vízióját a jövő páciens-központú radiológiájáról és megszilárdítani a radiológusok helyét az elkövetkező időkben.

A cikksorozatról röviden itt olvashat: https://radiologia.hu/hirek/kategoria/RSNA2018/a-2018as-rsna-ot-legnepszerubb-temaja_1549273744
A cikksorozat forrása: https://www.auntminnie.com/index.aspx?sec=rca&sub=rsna_2018&pag=dis&ItemID=124037 
A referálókat dr. Oláh Márton (radiológus rezidens, Debreceni Egyetem Klinikai Központ, Radiológiai Klinika) készítette.

További cikkek