Elektrokardiogram (EKG) jest jednym z najważniejszych narzędzi we współczesnej medycynie, wykorzystywanym do wykrywania problemów sercowych – od arytmii po wady strukturalne. Tylko w Stanach Zjednoczonych każdego roku wykonuje się miliony EKG, zarówno na oddziałach ratunkowych, jak i podczas rutynowych wizyt lekarskich. W miarę rozwoju systemów sztucznej inteligencji (AI) są one coraz częściej wykorzystywane do analizy EKG – czasami wykrywając stany, które mogłyby umknąć lekarzom.
Problem polega jednak na tym, że lekarze muszą rozumieć, dlaczego system AI stawia określoną diagnozę. Choć analiza EKG wspomagana sztuczną inteligencją może osiągać wysoką dokładność, często działa jak „czarna skrzynka”, podając wyniki bez wyjaśnienia, jak do nich doszło. Bez jasnych wyjaśnień lekarze są niechętni, by w pełni zaufać tym narzędziom. Aby wypełnić tę lukę, badacze z Instytutu Technion pracują nad tym, aby AI była bardziej zrozumiała, umożliwiając jej wyjaśnianie wniosków w sposób zgodny z wiedzą medyczną.
Sprawienie, by sztuczna inteligencja mówiła językiem lekarzy
Aby AI była naprawdę użyteczna w środowisku klinicznym, powinna zwracać uwagę na te same cechy EKG, na które zwracają uwagę lekarze podczas diagnozowania chorób serca. To jednak wyzwanie, ponieważ nawet wśród kardiologów nie zawsze istnieje pełna zgoda co do najważniejszych markerów w zapisie EKG. Pomimo tego, badacze opracowali kilka technik interpretowalności, które pomagają AI wyjaśniać swoje decyzje. Techniki te jednak czasami wskazują szerokie obszary EKG, nie precyzując konkretnego markera, co może prowadzić do błędnych interpretacji. Zdarza się także, że uwaga AI skupia się na nieistotnych częściach obrazu, takich jak tło, zamiast na właściwym sygnale EKG.
Następny krok: AI dla rzeczywistych zapisów EKG
Większość obecnych modeli AI opiera się na wysokiej jakości zeskanowanych obrazach EKG. W rzeczywistości jednak lekarze nie zawsze dysponują idealnymi skanami. Często korzystają z papierowych wydruków z aparatów EKG, które mogą fotografować smartfonem w celu konsultacji lub dodania do dokumentacji pacjenta. Takie fotografie mogą być przechylone, pogniecione lub pokryte cieniami, co znacznie utrudnia analizę AI.
Aby rozwiązać ten problem, dr Vadim Gliner, były doktorant w Laboratorium Inżynierii Biomedycznej prof. Yael Yaniv w Technionie, we współpracy z Laboratorium Schustera na Wydziale Informatyki Henry’ego i Marilyn Taub, opracował nowe narzędzie interpretowalności AI zaprojektowane specjalnie dla fotografowanych obrazów EKG. Artykuł na ten temat ukazał się w czasopiśmie npj-Digital Medicine. Z wykorzystaniem zaawansowanej techniki matematycznej (opartej na macierzy Jacobiego) metoda ta zapewnia precyzję na poziomie pojedynczych pikseli, pozwalając na wyróżnienie nawet najmniejszych szczegółów w zapisie EKG. W przeciwieństwie do wcześniejszych modeli, nie rozprasza się tłem i potrafi także wyjaśnić, dlaczego pewne stany chorobowe nie występują w danym zapisie EKG.
Bardziej przejrzysta przyszłość sztucznej inteligencji w medycynie
W miarę jak sztuczna inteligencja odgrywa coraz większą rolę w ochronie zdrowia, równie ważne jak osiąganie wysokiej dokładności staje się zapewnienie jej przejrzystości i wiarygodności. Opracowując metody pozwalające AI na komunikowanie wyników w sposób spójny z wiedzą medyczną, badacze torują drogę do powstania inteligentniejszych, bardziej niezawodnych i szerzej akceptowanych narzędzi AI w kardiologii. Dzięki tym postępom lekarze już wkrótce mogą mieć do dyspozycji asystentów AI, którzy nie tylko wykryją problemy sercowe, ale także w jasny sposób wyjaśnią swoje rozumowanie, prowadząc do szybszej, lepszej i bardziej świadomej opieki nad pacjentem.
Źródło: Digital Medicine
