Doktorand Fakulty informatiky a informačných technológií STU v Bratislave Martin Tamajka naučil umelú inteligenciu vyhodnocovať snímky mozgu z vyšetrenia magnetickou rezonanciou.
Informatici po celom svete hľadajú spôsoby, ako uľahčiť prácu lekárov a spresniť diagnostiku ochorení. Automatická analýza medicínskych údajov je živý výskum. Vedci, študenti, výrobcovia medicínskych zariadení – tí všetci hľadajú cesty, ako pomôcť lekárom s diagnostikou, aby mali viac času na liečbu pacientov.
Uľahčenie diagnostiky
Martin Tamajka zo Slovenskej technickej univerzity vytvoril program, ktorý dokáže automaticky vyhodnotiť množstvo 3D snímok mozgu, ktoré vzniknú pri jednom vyšetrení magnetickou rezonanciou.
Program zatrieďuje naskenované časti do troch skupín – šedú hmotu, bielu hmotu a mozgovomiechovú tekutinu. Prístup, ktorý navrhol, umožňuje pri zatrieďovaní identifikovať anomálie a upozorniť na ne lekárov. Uľahčuje tak diagnostiku ochorení ako Alzheimerova choroba, demencia, skleróza multiplex či nádory mozgu. V súčasnosti takto snímky najčastejšie vyhodnocovali rádiológovia. Program Martina Tamajku z FIIT STU im ušetrí hodiny monotónnej práce. Snímky môže program spracovať napríklad v noci a lekára budú ráno čakať informácie potrebné na stanovenie diagnózy a určenie liečby.
Informatika v medicíne
Program využíva niekoľko postupov v informatike – počítačové videnie, strojové učenie a umelú inteligenciu. V prvom kroku sa umelá inteligencia naučila čítať, čo vidí na snímke, správne jednotlivé časti 3D obrazu – voxely (3D pixely) – rozlišovať a zhlukovať ich do zmysluplných celkov, tzv. supervoxelov. Program najprv odstráni okolité tkanivá, ako sú lebka, oči a ďalšie nedôležité časti obrazu, a umelá inteligencia následne zatriedi časti mozgu do určených skupín. Neurónovú sieť som učil rozpoznávať len zdravé mozgy, a teda pri anomáliách, ako napríklad nádor, si nebude istá, kam časť snímky zaradiť. Toto môže byť upozornenie pre lekára, že v mozgu niečo nie je tak, ako má byť, vysvetľuje Martin Tamajka.
Využitie bez hraníc
Na začiatku stanovil viac ako 50 parametrov, pomocou ktorých umelá inteligencia snímky vyhodnocuje, potom nasledovalo samotné učenie, ktoré prebiehalo rozlišovaním stoviek snímok zdravého mozgu. V treťom kroku už umelá inteligencia pracovala sama a nasledovalo porovnanie jej úspešnosti s výsledkami rádiológov. Metóda, ktorú M. Tamajka vyvinul, sa dá použiť aj na segmentáciu iných orgánov ľudského tela. Stačí umelú inteligenciu naučiť čítať snímky iného orgánu. Na projekte spolupracoval s firmou Siemens, ktorá je jedným z najväčších svetových výrobcov a dodávateľov medicínskych zariadení.
Používateľ na prvom mieste
Bavilo ma pozerať sa na medicínu z pohľadu informatiky a pracovať s ľuďmi z klinickej praxe – s rádiológmi. Veľmi ma prekvapila variabilita ľudského tela – postup, ktorý na jednom ľudskom mozgu fungoval spoľahlivo, na inom zlyhal. Zistil som, že jedinečnosť človeka nie je len v jeho charaktere, ale aj v anatómii. Naučil som sa, že informatik môže mať síce svoj názor na to, ako by malo vyzerať používateľské rozhranie, ale ak je expert z praxe zvyknutý na niečo iné, treba systém prispôsobiť tomu, komu bude slúžiť a kto ho bude používať, hovorí Tamajka.
STU
