Teknolohiyang AI ang nagpapabilis ng pagsusuri ng mga larawang medikal na tatlong dimensyon

Ang mga advanced na modelo ng artificial intelligence (AI) ay nahaharap sa malaking hamon: ang pangangailangan sa napakaraming imahe ng medikal na may tumpak na pagkakategorya upang matutunan ang pagdi-diagnos ng mga sakit. Mas nagiging mahirap ang sitwasyon kapag may mga three-dimensional (3D) scan na binubuo ng daan-daang slices, na nangangailangan ng pagsusuri ng mga espesyalistang doktor. Sa isang pag-aaral na inilathala sa journal na "Nature Biomedical Engineering," ipinakita ng mga mananaliksik na pinamunuan ni Dr. Charles Wyckoff ang isang framework para sa deep learning na tinatawag na "SLIViT," na kayang suriin ang volumetric medical imaging data nang may tumpak na pagkakakilanlan, habang nangangailangan ng mas kaunting halimbawa ng pagsasanil kumpara sa mga tradisyonal na paraan. Ito ay ginawa sa pamamagitan ng paggamit ng kaalaman na nakuha mula sa mga two-dimensional (2D) na imahe at paglalapat nito sa mas komplikadong 3D na scan.

Ipakita ng sistema ang napakahusay na pagganap sa pagtukoy ng mga biomarker na nauugnay sa mga sakit ng retina, tulad ng age-related macular degeneration, na mas nakapagpapaunlad kaysa sa mga espesyalistang modelo ng AI, at nakamit ang mga katulad na resulta sa pagganap ng mga klinikal na espesyalista ngunit sa mas mabilis na bilis. Gayundin, matagumpay na inilapat ng mga mananaliksik ang sistema sa imaging ng puso, atay, at baga, na nagpapahiwatig ng potensyal nitong maging pangunahing platform para sa maraming medisinal na espesyalidad imbes na bumuo ng hiwalay na modelo para sa bawat teknolohiya.

Ayon kay Wyckoff, maaaring mapabilis ng teknolohiyang ito ang pananaliksik sa mga biomarker ng mga sakit, at mabawasan ang oras at gastusin. Binigyang-diin niya na layunin nitong palakasin ang kakayahan ng mga doktor sa pagharap sa lumalaking kompleksidad ng mga data ng imaging, imbes na palitan ang mga doktor.