Нова АІ-модель покращує рентген-діагностику
Нова система штучного інтелекту ItpCtrl-AI обіцяє значно покращити діагностику захворювань за рентгенівськими знімками грудної клітки. Модель забезпечує інтерпретацію та контрольованість, що вирішує проблему прозорості рішень ШІ у медичній візуалізації. Розроблена дослідниками Університету Арканзасу у співпраці з онкологічним центром MD Anderson, ItpCtrl-AI моделює патерни погляду радіологів, щоб її алгоритми ухвалювали рішення відповідно до експертного медичного аналізу.
Діагностичні програми на основі штучного інтелекту продемонстрували неабияку точність у виявленні медичних аномалій, таких як накопичення рідини в легенях, збільшення серця та ранні ознаки раку. Однак більшість таких ШІ-моделей працюють як "чорні скриньки", що ускладнює розуміння медичними працівниками того, як вони роблять висновки.
За словами Нган Ле (Ngan Le), доцента кафедри комп’ютерних наук та інженерії Університету Арканзасу, прозорість має вирішальне значення для впровадження AI-технологій у медицині. "Коли люди розуміють процес ухвалення рішень та обмеження ШІ, вони більш схильні довіряти та використовувати технологію."
ItpCtrl-AI (Interpretable and Controllable Artificial Intelligence) було створено для імітації процесу аналізу рентгенівських знімків грудної клітки досвідченими радіологами. На відміну від традиційних AI-моделей, які просто видають діагноз, ItpCtrl-AI створює теплові карти погляду – візуалізації областей, на які лікарі звертають найбільше уваги під час обстеження. Ці теплові карти забезпечують прозорий процес прийняття рішень штучним інтелектом, підвищуючи довіру та інтерпретованість.
Щоб розробити цю модель ШІ, дослідники відстежували рухи очей рентгенологів під час перегляду рентгенівських знімків грудної клітки. Вони фіксували не лише те, куди дивилися фахівці, але й те, як довго вони зосереджувалися на певних ділянках, перш ніж поставити діагноз. Зібрані дані були використані для навчання ItpCtrl-AI і дозволили моделі генерувати теплові карти уваги, які виділяють ключові діагностичні області на зображенні.
Цей контрольований підхід до прийняття рішень дає можливість AI ігнорувати нерелевантні області, аналізуючи тільки медично значущі ділянки, так само, як це робить лікар. Завдяки цьому система ItpCtrl-AI є значно більш інтерпретованою та зрозумілою для лікарів, ніж традиційні AI-моделі.
У процесі розробки ItpCtrl-AI дослідники створили DiagnosedGaze++ – унікальний набір даних, що містить поєднану інформацію про медичні висновки та зони уваги радіологів. На відміну від існуючих наборів даних, DiagnosedGaze++ надає детальні анатомічні карти уваги, встановлюючи новий стандарт прозорості діагностики на основі ШІ.
Використовуючи напівавтоматизований підхід, дослідницька група відфільтрувала та структурувала дані відстеження погляду радіологів, гарантуючи, що кожна теплова карта точно відповідає медичним аномаліям. Цей набір даних не тільки покращує інтерпретацію ШІ, але й прокладає шлях для майбутніх досягнень у галузі ШІ для медичної візуалізації.
ItpCtrl-AI – не єдина система на основі ШІ, яка сприяє підвищенню прозорості медичної візуалізації. У QuData ми також використовуємо метод Grad-CAM (Gradient-weighted Class Activation Mapping) для створення теплових карт для аналізу мамограм.
Grad-CAM створює теплові карти, які висвітлюють найважливіші області зображення, що вплинули на рішення моделі. Це дозволяє лікарям точно визначати критичні ділянки, підвищуючи точність та надійність діагностики раку молочної залози. Інтегруючи візуальні пояснення на основі теплових карт, як ItpCtrl-AI, так і рішення зі штучним інтелектом від QuData підвищують довіру та зручність їх використання в клінічних умовах.
Прозорість у діагностиці за допомогою ШІ – це не просто технічний прогрес, а й етична необхідність. Здатність пояснювати рішення, прийняті за допомогою ШІ, має вирішальне значення для забезпечення справедливості, зменшення упередженості та підтримки підзвітності в охороні здоров'я. Зважаючи на правові та етичні проблеми, пов'язані з використанням ШІ в медицині, ItpCtrl-AI – це модель, яка дозволяє лікарям брати на себе відповідальність за діагностику за допомогою ШІ.
Зараз дослідницька група працює над удосконаленням ItpCtrl-AI для аналізу тривимірних КТ-знімків. Оскільки такі дослідження вимагають складніших процесів ухвалення рішень, інтеграція даних про більш глибокі та широкі анатомічні структури може значно підвищити точність діагностики в критично важливих сферах медицини.
Щоб сприяти подальшим дослідженням та поширенню технології, розробники планують зробити вихідний код проєкту, моделі та розмічені набори даних ItpCtrl-AI загальнодоступними. Це стане новим еталоном прозорості та відповідальності AI у медичній візуалізації.