Sztuczna inteligencja pomaga w diagnozie raka
W Polsce, z powodu nowotworu prostaty, statystycznie każdego dnia, umiera około 15 pacjentów, a u co 8 mężczyzny ta choroba zostaje zdiagnozowana w trakcie jego życia. Ważne jest szybkie wykrycie choroby i podjęcie odpowiedniego leczenia. Niestety, diagnostyka raka prostaty jest skomplikowana i trudna w porównaniu do metod wykrywania innych nowotworów.
Badacze z Laboratorium Stosowanej Sztucznej Inteligencji w Ośrodku Przetwarzania Informacji – Państwowym Instytucie Badawczym (OPI PIB) wykorzystali sztuczną inteligencję (SI) do usprawnienia diagnostyki obrazowej raka prostaty. Najlepsze rezultaty uzyskali z zastosowaniem sieci neuronowych. Jakość otrzymanej diagnozy była na poziomie doświadczonego lekarza specjalisty lub wyższa.
Nowotwór prostaty to obecnie jeden z dwóch najczęściej rozpoznawanych raków złośliwych u mężczyzn. Jest to poważna choroba, która dotyka głównie starsze osoby. Jednak, wcześnie wykryty nowotwór prostaty jest uleczalny. Szybka, właściwa diagnostyka pozwala odpowiednio dobrać terapię i zwiększyć szansę pacjenta na przeżycie.
Zmiany nowotworowe najdokładniej powala zobrazować rezonans magnetyczny (MRI). Niestety, badanie raka prostaty za pomocą tej metody jest skomplikowane, gdyż dotyczy różnych sposobów obrazowania narządu. Niezbędne jest badanie wielu cech nowotworu, co utrudnia i znacznie wydłuża interpretację wyniku. Każdy otrzymany obraz musi być przeanalizowany osobno i posiada swoje charakterystyki, które są specyficzne dla tego rodzaju raka. Diagnostyka ta jest skomplikowana i trudniejsza niż w przypadku większości nowotworów złośliwych.
Otrzymane wyniki oceniane są według skali PI-RADS (ProstateImaging-Reporting and Data System), która umożliwia rozróżnienie zmian istotnych klinicznie. Analiza ta wymaga specjalistycznej wiedzy radiologów, którzy stanowią w Polsce zaledwie ok. 2 proc. lekarzy, co dodatkowo wydłuża czas oczekiwania na badanie i właściwą diagnozę. Interpretacja wyników jest subiektywna i zauważalne są różnice pomiędzy doświadczonymi specjalistami a początkującymi. Badania wykazały, że radiolodzy różnie interpretują, czy potencjalna zmiana nowotworowa jest inwazyjna.
„W Ośrodku Przetwarzania Informacji – Państwowym Instytucie Badawczym (OPI PIB) prowadzimy interdyscyplinarne badania, których wyniki mają praktyczne zastosowanie w wielu dziedzinach. Jednym z obszarów jest wykorzystanie najnowszych technologii IT w medycynie i ochronie zdrowia. Z naszych badań wynika, że sztuczna inteligencja może skutecznie usprawnić pracę lekarzy. Rezultaty są bardzo obiecujące i jestem przekonany, że także pomogą one innym naukowcom opracować nowoczesne narzędzia technologiczne,mające zastosowanie w diagnostyce nie tylko raka prostaty, ale także i innych chorób.” – Wyjaśnia dr inż. Jarosław Protasiewicz, dyrektor Ośrodka Przetwarzania Informacji – Państwowego Instytutu Badawczego (OPI PIB).
Naukowcy z Laboratorium Stosowanej Sztucznej Inteligencji w OPI PIB opracowali platformę badawczą eRADS, która służy do standaryzacji opisów raportów medycznych. Narzędzie to pozwala obiektywnie ocenić istotność kliniczną zmiany na podstawie pięciostopniowej skali PI-RADS. Platforma umożliwia także zbieranie danych z badań, co w przyszłości pomoże stworzyć rozwiązania, które automatycznie będą szacowały cechy istotne klinicznie.
Zastosowano w tym przypadku sztuczną inteligencję do wspomagania procesów decyzyjnych. Badacze OPI PIB przeprowadzili badania pilotażowe z udziałem 16 pacjentów, diagnozowanych przez dwóch radiologów podczas ich dyżuru w Centralnym Szpitalu Klinicznym Ministerstwa Spraw Wewnętrznych i Administracji w Warszawie. Specjaliści ci różnili się stażem pracy w zawodzie. Ich celem była ocena rzetelności oraz wstępnej użyteczności klinicznej systemu eRADS.
Wyniki badania pilotażowego są obiecujące. Oceny istotności klinicznej zmiany przez radiologów z wykorzystaniem narzędzia opracowanego przez naukowców OPI PIB są bardziej zgodne, niż gdy dokonują oni analizy bez użycia platformy. Zastosowanie eRADS pomaga zmniejszyć różnice między jakością diagnozy lekarzy doświadczonych i niedoświadczonych. Precyzyjna ocena zmian pozwoli znacznie ograniczyć liczbę pacjentów, którzy są wysyłani na biopsję. W przypadku badania prostaty wiąże się ona z dyskomfortem pacjenta. Polega na pobraniu materiału z kilku do kilkunastu wkłuć.
„W naszym laboratorium badaliśmy także wykorzystanie w diagnostyce raka prostaty innych obszarów sztucznej inteligencji.” – Wyjaśnia Piotr Sobecki – kierownik Laboratorium Stosowanej Sztucznej Inteligencji w OPI PIB. – „Analizowaliśmy zastosowanie narzędzi wykorzystujących uczenie maszynowe i głębokie. Naszym celem było porównanie otrzymanych wyników z diagnozami postawionymi przez doświadczonych i niedoświadczonych radiologów. Model predykcyjny istotności klinicznej zmian, oparty o narzędzia uczenia maszynowego, bazował na cechach obrazu (np. jednorodności) w badanych komórkach i ich otoczeniu. Uzyskaliśmy model trafnie klasyfikujący istotnie klinicznie zmiany z prawdopodobieństwem 75 proc., co można porównać do diagnozy niedoświadczonego lekarza. Najbardziej obiecujące rezultaty otrzymaliśmy jednak z zastosowania wiedzy domenowej w architekturze sieci neuronowych.Opracowane modele dają lepszą jakość diagnozy zmian nowotworowych w porównaniu z ocenami niedoświadczonych i doświadczonych radiologów, stawiając trafną diagnozę z prawdopodobieństwem 84 proc.” – Tłumaczy Piotr Sobecki – kierownik Laboratorium Stosowanej Sztucznej Inteligencji w OPI PIB.
Podsumowując, zastosowanie wiedzy domenowej w architekturze sieci neuronowych wpływa na szybkość uczenia modelu w przypadku diagnostyki raka prostaty. Analizowano efekt lokalizacji zmiany w prostacie i niezależnie od tego czynnika, wyniki otrzymane za pomocą modeli wykorzystujących sieci neuronowe były takie same lub lepsze od diagnozy postawionej przez doświadczonych radiologów. Potwierdziły to wyniki badania OPI PIB z użyciem danych historycznych od 6 radiologów oceniających 32 zmiany nowotworowe. Sztuczna inteligencja wykorzystująca uczenie głębokie nie zastąpi jednak lekarzy, ale ułatwi im pracę i przyspieszy rozpoczęcie leczenia pacjenta. Wciąż jednak mało jest otwartych zbiorów baz danych, które można wykorzystać do usprawnienia algorytmów sztucznej inteligencji. Należy pamiętać, że modele te są tak dobre, jak dane, na których zostały wyuczone. Chodzi zarówno o ich liczebność, jak i o jakość.
Akademia OPI PIB – Proaktywny projekt popularyzujący naukę z udziałem ekspertów i badaczy z Ośrodka Przetwarzania Informacji – Państwowego Instytutu Badawczego. Jego celem jest budowanie kultury dzielenia się wiedzą, możliwości wymiany doświadczeń i dalszego rozwoju kompetencji na polu nowych technologii. Podcasty udostępniamy na kanale YouTube OPI PIB i dotyczą takich obszarów wiedzy jak informatyka techniczna i telekomunikacja oraz nauki socjologiczne. Każdy odcinek to zbiór angażujących historii, dobrych praktyk i inspirujących casestudies.
Ośrodek Przetwarzania Informacji – Państwowy Instytut Badawczy (OPI PIB) – Interdyscyplinarny instytut naukowy i lider w tworzeniu oprogramowania systemów informatycznych dla polskiej nauki i szkolnictwa wyższego. Posiada wiedzę o prawie każdym polskim naukowcu, jego projektach czy aparaturze badawczej. Gromadzi, analizuje i tworzy informacje o sektorze badań i rozwoju, wpływając tym samym na kształt polskiej polityki naukowej. OPI PIB tworzy inteligentne systemy informatyczne dla sektora publicznego oraz wykorzystywane w celach komercyjnych.
Główne obszary badań prowadzonych w instytucie to: algorytmy uczenia maszynowego, algorytmy przetwarzania języka naturalnego, analiza sentymentu, sieci neuronowe, odkrywanie wiedzy z danych tekstowych, interakcja człowiek-komputer (HCT), systemy komputerowego wspomagania decyzji, sztuczna inteligencja.
W działalności badawczej OPI PIB stawia na interdyscyplinarność. Instytut prowadzi badania w siedmiu laboratoriach skupiających specjalistów z wielu dziedzin. Poza ekspertami od technologii informatycznych w zespole OPI PIB pracują ekonomiści, socjologowie, prawnicy, statystycy i psychologowie. Konfrontacja różnych podejść naukowych sprzyja dogłębnej analizie zagadnień badawczych i napędza innowacyjność.
