Ο αμερικανικός οργανισμός ελέγχου φαρμάκων και τροφίμων (FDA) ενέκρινε λογισμικό τεχνητής νοημοσύνης, σχετικό με μια εξελιγμένη μορφή μαγνητικής τομογραφίας εγκεφάλου που επιτρέπει καλύτερα αποτελέσματα.
Το AiMIFY έχει σχεδιαστεί για να ενισχύει την ενίσχυση της αντίθεσης των εικόνων μαγνητικής τομογραφίας εγκεφάλου έως και δύο φορές, ως προς την ανίχνευση μικρών και ελάχιστα ενισχυμένων βλαβών.
Μια εγκεφαλική βλάβη μπορεί να προκαλέσει μορφές γνωστικής εξασθένησης (προβλήματα στην προσοχή, τη μνήμη και τις κινήσεις), ενώ μπορεί να περιλαμβάνει οποιονδήποτε τύπο αγγειακής βλάβης (πχ όγκο).
Το λογισμικό που εγκρίθηκε από το FDA οριοθετεί πιο εύκολα ανατομικές δομές που είναι σημαντικές για τον εντοπισμό και την παρακολούθηση παθολογικού ιστού, ιδιαίτερα στον εγκέφαλο και γίνονται πιο γρήγορα διαγνώσεις που μπορούν να σώζουν ζωές.
Η τεχνητή νοημοσύνη πήρε φέτος δυο Pulitzer, για πρώτη φορά στην ιστορία των βραβείων. Συγκεκριμένα αυτά της φυσικής και της χημείας, χάριν ανακαλύψεων που βοήθησαν στην εξέλιξη της χρήσης της για το καλό της ανθρωπότητας (την αποκωδικοποίηση του πώς λειτουργεί ο ανθρώπινος οργανισμός).
Στον ιατρικό τομέα αυξάνονται οι ερευνητές που χρησιμοποιούν το machine learning για να βελτιώσουν τα δεδομένα απεικόνισης που ‘συλλαμβάνει’ η τεχνολογία της μαγνητικής τομογραφίας.
Εν συντομία, το machine learning (μηχανική μάθηση) είναι υποπεδίο στην πληροφορική που μελετά και κατασκευάζει αλγόριθμους, οι οποίοι μαθαίνουν από τα δεδομένα και κάνουν σχετικές προβλέψεις. Δηλαδή, δίνουμε πληροφορίες στη μηχανή, τις επεξεργάζεται και τις αναλύει σε ταχύτητες που άνθρωποι θα χρειάζονταν δεκαετίες.
Πρόσφατες μελέτες έδειξαν πως η μαγνητική τομογραφία εξαιρετικά υψηλού πεδίου στο 7 Tesla (7T) θα μπορούσε να έχει μεγαλύτερη ανάλυση και κλινικά πλεονεκτήματα έναντι της μαγνητικής τομογραφίας, στην οριοθέτηση ανατομικών δομών που είναι σημαντικές για τον εντοπισμό και την παρακολούθηση παθολογικού ιστού, ιδιαίτερα στον εγκέφαλο.
Έτσι, γίνεται πιο γρήγορα από ποτέ, ο εντοπισμός ήπιας τραυματικής εγκεφαλικής βλάβης και της σκλήρυνσης κατά πλάκας.
Επιστήμονες από το UC San Francisco ανέπτυξαν αλγόριθμο μηχανικής εκμάθησης που βελτίωσε ακόμα περισσότερο το αποτέλεσμα. Για την ακρίβεια, ενίσχυσε τον παθολογικό ιστό με μεγαλύτερη πιστότητα για κλινικές γνώσεις.
Το μοντέλο τους μπορεί να επεκτείνει την πρόσβαση σε εικόνες υψηλής ποιότητας χωρίς να χρειάζεται εξειδικευμένο εξοπλισμό. Αυτή η πρόοδος σηματοδοτεί μια πολλά υποσχόμενη διασταύρωση της τεχνητής νοημοσύνης και της ιατρικής τεχνολογίας απεικόνισης.
«Δείχνουμε πώς αυτό το σύστημα τεχνητής νοημοσύνης βελτιώνει την απεικόνιση και την αναγνώριση των ανωμαλιών του εγκεφάλου που καταγράφονται με μαγνητική τομογραφία σε τραυματικό εγκεφαλικό τραυματισμό», δήλωσε ο ανώτερος συγγραφέας της μελέτης Δρ Reza Abbasi-Asl, Επίκουρος Καθηγητής Νευρολογίας του UCSF.
Οι συνθετικές εικόνες 7T αποτύπωσαν καλύτερα τα διαφορετικά χαρακτηριστικά των βλαβών της λευκής ουσίας. Αυτές οι παρατηρήσεις υπογραμμίζουν και την υπόσχεση χρήσης αυτής της τεχνολογίας για τη βελτίωση της διαγνωστικής ακρίβειας σε νευροεκφυλιστικές διαταραχές, όπως η σκλήρυνση κατά πλάκας.
Ο ΠΙΟ ΓΡΗΓΟΡΟΣ ΕΝΤΟΠΙΣΜΟΣ ΟΓΚΩΝ ΣΤΟΝ ΕΓΚΕΦΑΛΟ
Σε ό,τι αφορά τους νευρολογικούς όγκους, οι γιατροί δεν γνωρίζουν τι θα αντιμετωπίσουν έως ότου ανοίξουν την περιοχή και κάνουν βιοψία σε εγκεφαλικό ιστό. Η όλη διαδικασία μέχρι να βγει αποτέλεσμα, χρειάζεται τουλάχιστον μια εβδομάδα.
Ερευνητές σε όλον τον κόσμο δουλεύουν επί αλγόριθμων μηχανικής εκμάθησης που δίνουν αποτέλεσμα άμεσα.
Το δημιούργημα του Utrecht University έχει διάγνωση στα 20 λεπτά.
Το National Geographic παρομοίασε τη δουλειά που έκαναν οι ερευνητές με το Sturgeon, με το πώς εκπαιδεύεται ο Neo στο Matrix, όπως ‘ανεβαίνουν’ στον εγκέφαλό του οι γνώσεις όλων των αιώνων στο kung fu.
«Κάναμε την εκπαίδευση 45.000.000 φορές για να φτάσουμε σε ένα σύνολο δεδομένων που έχει τον όγκο που απαιτείται για την εκπαίδευση πολύ περίπλοκων δικτύων» εξήγησε ο Jeroen de Ridder, καθηγητής βιοπληροφορικής στο Utrecht University και εκ των δημιουργών του Sturgeon που είναι ακόμα στις δοκιμές. Ωστόσο, οι εξελίξεις είναι με το μέρος μας.
Η ΠΙΟ ΓΡΗΓΟΡΗ ΘΕΡΑΠΕΙΑ ΣΕ ΟΓΚΟ ΣΤΟΝ ΕΓΚΕΦΑΛΟ
Παράλληλα, στο University College of London έχουν έτοιμο νέο εργαλείο ΑΙ που αξιολογεί τη σάρωση όγκου εγκεφάλου ενός ασθενούς σε μόλις 3’’ δευτερόλεπτα, σε σύγκριση με τα 5 λεπτά που χρειάζεται ένας έμπειρος νευροακτινολόγος. Παράλληλα, παρέχει περισσότερες εξατομικευμένες λεπτομέρειες για τον ασθενή που βοηθούν στη θεραπεία του.
Παρεμπιπτόντως, παγκοσμίως παρατηρείται έλλειψη ακτινολόγων. Στη Μεγάλη Βρετανία όπου έγινε η εργασία, υπάρχουν 7 ανά 100.000 άτομα.
Η ανακάλυψη του βρετανικού πανεπιστημίου θα μπορούσε να χρησιμοποιηθεί για την ακριβέστερη πρόβλεψη της έκβασης της θεραπείας ενός ασθενούς, από ό,τι μπορεί να την κάνει μόνος του ένας γιατρός.
Ο επικεφαλής συγγραφέας Δρ James Ruffle δήλωσε πως «δεδομένου ότι οι απεικονιστικές εμφανίσεις του όγκου του εγκεφάλου ενός ατόμου διαφέρουν πολύ μεταξύ των ασθενών, οι τεχνολογίες τεχνητής νοημοσύνης παρέχουν μια καινοτόμο λύση για τη βελτίωση της λήψης αποφάσεων βάσει δεδομένων των εργαζομένων στον τομέα της υγείας, βελτιώνοντας και εξατομικεύοντας τη φροντίδα για κάθε ασθενή. Παράλληλα εξοικονομεί πόρους το σύστημα υγείας».
