Sztuczna inteligencja ECU wspiera wczesne wykrywanie chorób przewlekłych
Naukowcy z Edith Cowan University (ECU) opracowali zaawansowany system sztucznej inteligencji (AI), który może wspomóc pracowników ochrony zdrowia w wykrywaniu i precyzyjnym określaniu stadium chorób przewlekłych, takich jak choroby sercowo-naczyniowe (CVD), powikłania oczne cukrzycy oraz nowotwory.
Algorytm nazwany Supervised Contrastive Ordinal Learning analizuje rutynowe, nieinwazyjne obrazy medyczne – np. skany gęstości kości czy badania ultrasonograficzne – nie tylko w celu wczesnej detekcji chorób, ale także w celu identyfikacji zmian charakterystycznych dla danego schorzenia, co wspiera ocenę stopnia zaawansowania i interpretację kliniczną.
Dr Afsah Saleem z ECU podkreśliła pilną potrzebę rozwoju nieinwazyjnych technologii, które umożliwią wcześniejsze wykrywanie problemów zdrowotnych, takich jak choroby sercowo-naczyniowe i retinopatia cukrzycowa (DR).
Na świecie CVD dotyczy ponad 640 milionów osób, a w Australii odpowiada za co czwarty zgon. Retinopatia cukrzycowa, będąca jedną z głównych przyczyn ślepoty, dotyka obecnie ponad 103 miliony dorosłych na całym świecie. Do 2045 roku liczba ta może wzrosnąć do 160 milionów. W samej Australii prawie 1,9 miliona osób choruje na cukrzycę, z czego około jedna trzecia rozwija DR w miarę postępu choroby.
– Te przewlekłe schorzenia często trudno wykryć we wczesnym stadium ze względu na brak jednoznacznych objawów. Obecnie stosowane metody diagnostyczne często opierają się na manualnej analizie obrazów medycznych, co jest czasochłonne, kosztowne i obarczone subiektywizmem – wyjaśnia dr Saleem. – Jako badacze uczenia maszynowego i obrazowania medycznego, naszym celem jest zapobieganie trwałym uszkodzeniom zdrowia spowodowanym chorobami przewlekłymi lub ich opóźnienie.
Opracowany algorytm z powodzeniem zastosowano już w różnych dziedzinach medycyny.
– Dzięki niemu osiągnęliśmy 85% dokładności i 79% czułości w wykrywaniu zwapnień aorty brzusznej (AAC), będących wczesnym wskaźnikiem CVD. W przypadku retinopatii cukrzycowej uzyskano 87% dokładności i 84% czułości, a w rozpoznawaniu stadiów raka piersi – aż 91% dokładności – powiedziała dr Saleem.
Zespół badawczy ECU koncentruje się na interwencjach we wczesnym stadium choroby, a ich prace są wspierane przez Heart Foundation, Raine Medical Research Foundation oraz Departament Zdrowia Australii Zachodniej poprzez Future Health Research and Innovation (FHRI) Fund.
– Innowacyjność opracowanego algorytmu polega na jego zdolności do wychwytywania i uczenia się charakterystycznych cech zarówno osób zdrowych, jak i chorych. Dzięki temu możliwe jest bardzo precyzyjne różnicowanie tych cech i identyfikacja jednostek dotkniętych chorobą – dodaje dr Syed Zulqarnain Gilani, wykładowca ECU.
Dr Saleem zaprezentuje swoje badania dotyczące retinopatii cukrzycowej podczas konferencji Medical Image Computing and Computer Assisted Intervention, która odbędzie się jeszcze w tym roku w Korei.
Źródło: 2024 International Conference on Digital Image Computing: Techniques and Applications (DICTA)
DOI: 10.1109/DICTA63115.2024.00077
