AI muudab vähidiagnoosi revolutsiooni: patoloogia tulevik algab kohe!

AI muudab vähidiagnoosi revolutsiooni: patoloogia tulevik algab kohe!

Saksamaal võitleb igal aastal üle 1,4 miljoni inimese vähiga, mis nõuab sageli haiglaravi. Pärast kasvaja eemaldamist uuritakse eemaldatud kude patoloogias, et määrata kindlaks vähi tüüp ja hinnata selle pahaloomulisust. Uuring otsustab võimalikud keemiaravi meetmed. Kuid siin on tehisintellekti (AI) integreerimisel suur potentsiaal, nagu selgitab Erlangeni ülikooli haigla praeguses teatises uk-erlangen.de.

Digivõimalusi pole aga veel piisavalt ära kasutatud. Kui paljusid pildistamismeetodeid, nagu MRI või ultraheli, hindab juba AI, on histopatoloogiliste proovide analüüs seni enamasti tehtud mikroskoobi abil. Kudelõikude digiteerimine kõrge eraldusvõimega kujutisteks ei ole enamikus asutustes veel tavapärane praktika. Kuid seda protsessi rakendatakse juba rutiinselt Itaalias Caltagirone'is asuvas Gravina haiglas. Tekib väljakutse: digitaalsete koelõikude heterogeensus, mida käsitletakse ka Fraunhoferi Instituudis scs.fraunhofer.de. Erinevused proovide ettevalmistamises ja koeskannerites põhjustavad sageli piltide erinevaid värve ja eraldusvõimet.

AI integreerimine patoloogiasse

Suur samm AI integreerimise suunas patoloogiasse on juba tehtud. Äsja arendatud protsess võimaldab integreerida tehisintellekti analüüsid sujuvalt patoloogiaosakonna töövoogu. PD dr Fulvia Ferrazzi juhib seda uuenduslikku projekti, mille eesmärk on parandada algoritmide täpsust ja edendada rutiinset diagnostikat teistes osakondades. Koeproove töödeldakse mitmes etapis, tehes lõike ja luues kõrge eraldusvõimega digipilte. AI analüüs integreeritakse protsessi automaatselt, edastades teabe AI mudelitega serverisse, muutes arvutimonitoride diagnostikas revolutsiooniliseks.

Teine tulevikku suunatud eesmärk on erinevate koetüüpide automaatne tuvastamine, näiteks kolorektaalse adenokartsinoomi diagnoosimisel – levinud käärsoolevähi tüübil. Siin kasutatakse robustseid AI protsesse, mis põhinevad muu hulgas konvolutsioonilistel närvivõrkudel (CNN). Neid treenitakse eeskujulike piltidega ja seetõttu saab tuvastada olulisi erinevusi kasvaja ja lihaskoe vahel. Ekspertteadmiste andmine on aga endiselt aeganõudev protsess, nagu on näidanud Fraunhoferi instituudi teadlased.

AI ja suurandmete eelised

Digitaliseerimine toob endaga kaasa suured andmemahud, mis avab ukse intelligentsetele lahendustele meditsiinis. Suurandmed ja tehisintellekt on tuleviku võtmeterminid ja neid saab rakendada ka patoloogia puhul. Andmevõrkude eelised on mitmekesised: need võimaldavad teha tõhusamaid otsuseid, individuaalseid ravimeetodeid ja haigusi varakult avastada. Lisaks saab tehisintellekt välkkiirelt analüüsida ja kombineerida suuri andmemahtusid, mis on hindamatu väärtusega kliiniliste otsuste tegemisel ja meditsiiniliste piltide töötlemisel, selgub Fraunhoferi instituudi [iks.fraunhofer.de] leidudest (https://www.iks.fraunhofer.de/de/themen/kuenstliche-intelligenz/kuenstliche-intelligenz.html).

Kokkuvõtteks võib öelda, et AI integreerimine patoloogiasse võib olla diagnostikas otsustav edasiminek. Eelseisvad arengud nii tehnilisel kui ka praktilisel tasandil võivad muuta vähktõve avastamise ja ravi paljude patsientide hüvanguks.