Daripada pemeriksaan awal kanser kepada pengesanan penyakit, bagaimana AI mengubah pengimejan perubatan?

Ia tidak memerlukan doktor untuk membuat hirisan jauh ke dalam tubuh manusia, bukankah ia agak luar biasa? Teknologi pengimejan perubatan radiologi telah mencapai kemajuan yang besar, dan dengan sokongan AI, ia telah mengambil satu lagi langkah besar ke hadapan. Menggunakan kuasa pengkomputeran AI dan pembelajaran mesin yang berkuasa untuk mengimbas tubuh manusia dan mencari perbezaan halus yang mungkin diabaikan oleh mata manusia ialah perkara yang sedang dilakukan oleh komuniti perubatan.

Pengimejan perubatan hari ini melibatkan satu siri teknologi kompleks yang menganalisis setiap titik data untuk mencari penyakit daripada kesihatan dan isyarat daripada bunyi. Dalam dekad awal radiologi, tugas utama penyelidik adalah untuk memperbaiki resolusi gambar badan, dan dalam dekad berikutnya tugasnya adalah untuk mentafsir data dan memastikan tiada apa-apa yang terlepas.

Walaupun keutamaan pertama teknologi pengimejan adalah untuk mendiagnosis keadaan perubatan, teknologi pengimejan kini menjadi bahagian penting dalam rawatan, terutamanya dalam bidang kanser. Doktor mengkaji imej dan membiarkan mereka membantu mereka memantau penyebaran sel kanser supaya mereka boleh mengetahui dengan lebih cepat dan lebih baik sama ada rawatan berkesan. Pengimejan telah mula memainkan peranan baru, dan cara rawatan pesakit telah berubah. Doktor mempunyai lebih banyak maklumat dan boleh memilih rawatan yang lebih baik untuk pesakit mereka.

Basak Dogan, profesor bersekutu di Pusat Perubatan Barat Daya Universiti Texas, berkata: "Dalam tempoh lima tahun akan datang kita akan melihat pengimejan berfungsi menjadi sebahagian daripada rawatan. Pengimejan standard hari ini tidak dapat menjawab soalan klinikal sebenar yang pesakit inginkan rawatan Dengan ketepatan yang lebih tinggi, mereka boleh membuat keputusan yang lebih baik berdasarkan maklumat yang lebih kaya, dan teknologi berfungsi boleh membantu mereka mendiagnosis lebih awal

Gunakan sepenuhnya imej dan membaca secara automatik sebanyak mungkin untuk menjimatkan masa berharga pakar radiologi Ini adalah halangan pertama yang dihadapi oleh kebanyakan imej, sama ada X-ray, imbasan CT, MRI atau ultrasound. Pada masa ini, algoritma berbantukan komputer boleh digunakan, menggunakan kuasa pengkomputeran yang berkuasa untuk melatih komputer membezakan antara keabnormalan dan kenormalan Ini sedang dilakukan.

Selama bertahun-tahun pakar perisian telah bekerjasama dengan pakar radiologi untuk menganalisis sejumlah besar imej normal dan tidak normal Doktor memasukkan hasilnya ke dalam program komputer, membolehkan komputer belajar dari masa ke masa supaya ia akhirnya boleh membezakan antara kelainan. Semakin banyak imej yang anda bandingkan dan semakin banyak yang anda pelajari, semakin kuat keupayaan diskriminasi AI.

FDA telah meluluskan algoritma pengimejan dengan ketepatan 80-90%. Namun, FDA memerlukan bahawa walaupun algoritma pembelajaran mesin membuat penemuan, akhirnya terpulang kepada manusia untuk membuat keputusan. AI boleh menandakan keraguan yang ditemui untuk disemak oleh doktor, supaya doktor dapat memberikan jawapan kepada pesakit dengan lebih cepat.

Di Mass General Brigham, hospital menggunakan kira-kira 50 algoritma untuk membantu rawatan, daripada mengesan aneurisme dan kanser kepada mengesan simptom embolisme dan strok. Separuh daripada algoritma telah diluluskan oleh FDA, dan yang lain masih diuji.

Keith Dreyer, Ketua Pegawai Sains Data dan Naib Pengerusi Jabatan Radiologi, Hospital Besar, berkata: "Matlamat kami adalah untuk mengesan penyakit lebih awal. Kadangkala doktor manusia mengambil masa beberapa hari untuk mendiagnosis dengan tepat, tetapi komputer berbeza, mereka tidak pernah tidur. Jika komputer dapat mendiagnosis dengan tepat, rawatan akan menjadi lebih cepat ”

Penjejakan pesakit yang lebih baik

Sepadukan AI ke dalam rawatan perubatan dan pemeriksaan berbantukan komputer. . Sebagai langkah pertama, pembelajaran mesin telah menjadi alat penting untuk memantau pesakit dan menjejaki perubahan halus. Teknik ini amat penting dalam rawatan kanser, kerana doktor menentukan sama ada sel kanser membesar, mengecut, atau kekal sama, yang penting dalam memutuskan cara merawatnya.

Dogan berkata: "Pesakit sedang menjalani kemoterapi, apa yang berlaku kepada sel-sel kanser? Sukar untuk kami fahami. Teknologi pengimejan standard tidak dapat mengesan sebarang perubahan sebelum kemoterapi selesai, dan keseluruhan proses mungkin bertahan beberapa bulan. Ia mungkin mengambil masa beberapa hari untuk melihat pengecutan ”

Dengan pengimejan AI, kita boleh mengesan perubahan dalam sel kanser yang tidak bergantung kepada saiz dan anatomi. Dogan menambah: "Pada peringkat awal kemoterapi, kebanyakan perubahan dalam sel kanser belum mencapai tahap kematian sel. Perubahan wujud dalam interaksi yang diubah suai antara sel imun dan sel kanser." kes, sel-sel kanser tidak Berbanding mengecut dengan cara yang boleh diramal dari luar ke dalam, poket kecil sel-sel kanser dalam tumor mungkin mati manakala yang lain terus hidup, menjadikan keseluruhan jisim berbintik-bintik seperti baju sejuk yang digigit pepijat. Kerana kematian sel sering dikaitkan dengan keradangan, kadangkala saiz sel kanser masih meningkat, tetapi bilangan sel kanser tidak semestinya meningkat. Pengimejan standard tidak dapat memberitahu kita berapa banyak sel kanser yang hidup dan berapa banyak yang mati. Teknik pengimejan yang paling biasa digunakan untuk kanser payudara ialah mamogram dan ultrasound, yang digunakan semata-mata untuk mencari ciri anatomi.

Di Pusat Perubatan Barat Daya Universiti Texas, Dogan menggunakan dua teknologi pengimejan untuk mengesan perubahan fungsi dalam pesakit kanser payudara.

Yang pertama ialah setiap kali pesakit menjalani kitaran kemoterapi, dia mengambil gambar pesakit dan menyuntik buih mikro untuk memerhatikan perubahan tekanan halus di sekeliling sel kanser. Gelombang ultrabunyi boleh mengesan perubahan dalam tekanan gelembung, yang berkumpul di sekeliling sel kanser yang semakin membesar mempunyai lebih banyak saluran darah untuk menyokong pengembangannya daripada tisu lain.

Dalam kajian lain, Dogan menguji teknologi pengimejan fotoakustik, yang menukar cahaya kepada isyarat bunyi. Cahaya laser yang bersinar pada tisu payudara menyebabkan sel-sel berayun, yang menghasilkan gelombang bunyi yang boleh ditangkap dan dianalisis. Teknologi pengimejan fotoakustik boleh digunakan untuk menentukan kandungan oksigen sel kanser Apabila membesar, sel kanser memerlukan lebih banyak oksigen daripada sel biasa. Dengan menganalisis perubahan bunyi, anda boleh mengetahui bahagian mana sel kanser yang sedang berkembang dan bahagian mana yang tidak.

Dogan berkata: "Dengan menganalisis imej sel kanser, kita boleh mengetahui bahagian mana yang paling berkemungkinan bermetastasis ke nodus limfa. Pakar klinik tidak dapat memberitahu anda bahagian mana sel kanser akan merebak ke nodus limfa. . Dengan teknologi fotoakustik, kita boleh menangkap tanda-tanda penyebaran sel kanser lebih awal, sebelum ia muncul pada imbasan, tanpa memerlukan biopsi invasif untuk mengesan penyebaran ”

Temui kelainan yang tidak dapat dilihat oleh manusia.

Dreyer berkata bahawa apabila kita mempunyai data dan imej yang mencukupi, algoritma boleh menemui herotan yang tidak dapat dilakukan oleh manusia. Pasukannya sedang membangunkan algoritma yang boleh mengukur biomarker dalam badan dan merancang perubahan di dalamnya untuk memberitahu seseorang yang dia mungkin berisiko untuk strok, patah tulang atau serangan jantung.

Dreyer percaya bahawa teknologi ini adalah "Holy Grail" pengimejan perubatan Walaupun ia belum matang, ia boleh membawa perubahan kepada penjagaan perubatan AI.

Apabila semakin banyak model AI tersedia, akhirnya pengimejan AI boleh membantu pesakit di rumah. Suatu hari nanti, kami mungkin boleh mendapatkan maklumat pengimejan ultrasound melalui aplikasi telefon pintar.

Dreyer berkata: "Perubahan sebenar yang akan dibawa oleh AI kepada penjagaan kesihatan ialah ia boleh menyediakan pelbagai penyelesaian kepada orang ramai sebelum mereka menjadi pesakit, supaya orang ramai boleh kekal sihat."

Atas ialah kandungan terperinci Daripada pemeriksaan awal kanser kepada pengesanan penyakit, bagaimana AI mengubah pengimejan perubatan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!