Szacuje się, że nawet 9 proc. diagnoz tomografii komputerowej jest błędna. Przy założeniu, że na jednego pacjenta przypada 70 zdjęć tomografii, ryzyko popełnienia błędu przez lekarza jest duże. Z pomocą przychodzą nowe rozwiązania i sztuczna inteligencja, dzięki której intepretacja obrazu tomografii komputerowej nie tylko przyspiesza diagnozę, ale również wychwyci szczegóły niewidoczne dla ludzkiego oka.
Problemy w radiologii
Największym problemem w radiologii jest obecnie zwiększająca się ilość przeprowadzanych diagnoz na podstawie obrazów TK. Oko ludzkie, które i tak nie jest doskonałe, łatwo może przeoczyć zmiany w mózgu lub nawet ich nie zauważyć. Ponadto czas potrzebny na interpretację i diagnozę powoduje to, że kolejki pacjentów wciąż się wydłużają. Tym samym personel radiologiczny musi przeanalizować więcej zdjęć w krótszym czasie. W ten sposób powstają błędne interpretacje. Nawet do 9%, co w samych Stanach Zjednoczonych daje 30 000 – 40 000 błędnych interpretacji rocznie!
Interpretacja obrazu tomografii komputerowej dokładniejsza i szybsza
Rozwiązanie proponowane przez polski start-up eliminuje problem błędnych interpretacji i rosnących kolejek do badania tomografem komputerowym. Firma stworzyła oprogramowanie, które wykorzystuje uczenie maszynowe do analizy obrazów tomografii komputerowej głowy w celu wykrywania i oceny zmian w mózgu. Oprogramowanie bazuje na trójwymiarowych sieciach neuronowych. To konwolucyjne sieci, głębokie uczenie, najwyższy poziom technologii światowej i najnowsze osiągnięcia w tej dziedzinie.
BrainScan automatycznie wyszukuje podobne skany tomografii komputerowej lub rezonansu magnetycznego w dużych zestawach danych.
Pokazuje też szczegóły dotyczące diagnozy, leczenia i wyników. Na podstawie danych historycznych program znajduje podobne przypadki do danego skanowania w kilka sekund, co dla lekarza może być bardzo przydatne i przyspieszy postawienie diagnozy. Może on porównać podobne przypadki i badania, w których ujawnione zostały nieprawidłowości, z przypadkiem aktualnie badanego pacjenta.
Cechą programu jest automatyczne oznaczanie skanowania obrazowego jako normalnego (nie obejmującego zmian patologicznych) lub nieprawidłowego (w tym zmian patologicznych) ze zdolnością do zdiagnozowania 8 kluczowych anomalii: guza, krwawienia, zwapnienia, udaru niedokrwiennego, udaru krwotocznego i nie krwotocznego, zmiany po udarze, Hypodense Lesion na obszarach skanowania CT mózgu.
Obszary mózgu wykazujące nieprawidłową asymetrię – jako potencjalne obszary ryzyka – oraz obszary zawierające sygnały do klasyfikacji jako nieprawidłowe, zostają oznaczone i zwizualizowane za pomocą wykresu mapy termicznej, obejmującego dany przekrój testu obrazowania.
Technologia
Aby usprawnić natychmiastowe wyszukiwanie spośród dostępnych wyników, cała baza danych jest najpierw obszernie indeksowana zestawem dedykowanych podpisów, opisujących zawartość skanowania. Są one wyznaczane na podstawie pełnych skanów, jak również licznych podobszarów o różnych rozmiarach. Podobna procedura indeksowania jest następnie stosowana dla poszukiwanego obszaru zainteresowania, który następnie umożliwia szybkie porównywanie z danymi w indeksie i powracającymi wynikami.
Aby przeanalizować tysiące danych system musi być efektywny. Dlatego projekt bazuje na najbardziej wydajnych technikach głębokiego uczenia się, w tym trójwymiarowych sieci neuronowych. Sieci te powstają na podstawie ogromnych ilości skanów 3D, Deep Networks zapewniają dużą dokładność w podsumowywaniu treści 3D i szybkie porównywanie próbek danych. Są również wydajnymi obliczeniowo metodami szybkiego przetwarzania dużych zbiorów danych.
BrainScan rozwiązuje potrzeby radiologów
W dobie nadmiernych kolejek i braku personelu BrainScan rozwiązuje problemy radiologów. Program BrainScan to narzędzie, które wspierają zaawansowane cyfrowe analizy obrazu. Szybkość i sprawność wyszukiwania danych, porównywania ich i pomoc w postawieniu diagnozy znacznie ułatwia pracę i zmniejsza ryzyko błędów. Ograniczona jest też konieczność ręcznego obliczania i mierzenia cech mózgu, takich jak symetria. System przechwytuje ponadto szczegóły, które są w inny sposób trudne do wykrycia przez ludzkie oko. Dodatkowo system sugeruje klasyfikację proponowanego badania mózgu.
Bardzo dużym ułatwieniem ze względu na ochronę danych osobowych jest też możliwość zdalnej analizy obrazów bez dostępu do poufnych danych pacjenta. Aby porównywać podobne przypadki w szybki i skuteczny sposób radiolog może skorzystać z cyfrowej biblioteki
Sztuczna inteligencja w medycynie
Sztuczna inteligencja mająca naśladować inteligencję ludzką, zyskuje coraz większe zainteresowanie i jest włączana do wielu dziedzin, w tym w dużej mierze do medycyny. Poprawia dokładność diagnozy i jakości opieki nad pacjentem, na przykład zmniejszając powikłania po udarze mózgu. Jest już niemal niezbędna zwłaszcza tam, gdzie ze względu na ogromną liczbę danych i konieczność szybkiego podjęcia decyzji, człowiek bywa zawodny. Wykorzystanie uczenia maszynowego zaś sprawia, że nowa technologia sama zdiagnozuje obraz i podpowie rozwiązanie.