Un model AI inovator descoperă afecțiuni ascunse în scanările CT de rutină
Un nou model de inteligență artificială dezvoltat la Penn Medicine analizează scanările CT, oferind informații despre starea de sănătate a pacienților dincolo de afecțiunea specifică pentru care au fost solicitate, conform unui studiu publicat în NPJ Digital Medicine.
Modelul AI, numit Percival, are capacitatea de a descoperi modele ascunse în boli și riscuri de sănătate potențiale care ar fi putut rămâne neobservate de medicii umani. Spre deosebire de alte modele care necesită indicații pentru a identifica anumite afecțiuni, Percival poate funcționa eficient în fundal pentru a detecta ceea ce nu este vizibil.
Echipele noastre au dezvoltat un sistem care învață din datele de imagistică și descoperă conexiuni între scanări, valori de laborator, fiziologia pacienților și rezultatele clinice, oferind evaluări mai precise ale sănătății sau chiar semnalând din timp problemele de sănătate. Această cercetare sugerează un viitor în care imagistica medicală devine o bază pentru îngrijirea medicală personalizată și proactivă.
Percival a fost construit cu ajutorul mai multor echipe de la Penn Medicine și a fost antrenat pe datele din Penn Medicine BioBank, care cuprinde informații de la peste 350.000 de persoane colectate în decursul a două decenii. BioBank-ul oferă o sursă diversificată de date esențiale pentru dezvoltarea unui model precum Percival.
„Cercetările în domeniul inteligenței artificiale au arătat că antrenarea pe seturi de date mai mari și mai diverse poate îmbunătăți performanța, oferind o bază mai solidă pentru adaptarea unui model la populația de pacienți dintr-un spital”, a declarat Cameron Beeche, student doctorand în bioinginerie la Universitatea din Pennsylvania.
În cadrul cercetării, au fost utilizate aproximativ 400.000 de scanări CT de la aproximativ 50.000 de pacienți pentru a perfecționa abilitățile lui Percival, care sunt încă testate preclinic.
„Sperăm să promovăm „screeningul oportunist”, unde rezultatele sunt descoperite dincolo de scopul inițial al unei scanări, cum ar fi identificarea unor urme timpurii de cancer pe o scanare efectuată pentru evaluarea pneumoniei”, a spus Witschey. „Credem că totalitatea informațiilor dintr-o scanare CT poate deveni mult mai utilă cu ajutorul unui model ca acesta.”
Analizând performanța lui Percival, echipele de la Penn Medicine au demonstrat că scanările CT conțin o mulțime de informații utile, care se află la vedere, dar neobservate.
Percival a reușit să identifice urme ale mai multor afecțiuni cronice, inclusiv fibrilație atrială și boală cronică de rinichi în scanări.
Comparativ cu un model AI similar numit TotalSegmentator, Percival a fost capabil să semnaleze afecțiuni precum cancerul pancreatic, ciroza și pneumonia bacteriană cu o fiabilitate mult mai mare.
„Percival poate ajuta la identificarea bolilor nerecunoscute, prezicerea progresiei ulterioare și anticiparea complicațiilor majore cardiovasculare și hepatice”, a afirmat Charles Kahn. „Având în vedere că mulți pacienți au deja afecțiuni cardiace sau metabolice semnificative atunci când ajung în îngrijire specializată, imagistica de rutină poate oferi o oportunitate pentru recunoaștere și intervenție mai timpurie.”
Dezvoltatorii lui Percival își propun să-l testeze la începutul anului viitor, având în vedere integrarea modelului în clinică pentru utilizare regulată. Ei cred că experiența acumulată cu un alt model AI dezvoltat de Penn Medicine, AInSights, va sprijini acest proces.
Între timp, echipa analizează modul în care modele de date și mai mari, care acoperă mai multe instituții, ar putea face Percival și mai robust și predictiv.
Codul și specificațiile modelului de antrenament ale lui Percival sunt open source, ceea ce ar putea contribui la îmbunătățirea sa.
„Percival a beneficiat enorm de pe urma cercetătorilor care și-au împărtășit codul, metodele și perspectivele asupra acestor tipuri de modele”, a declarat Witschey. „Credem cu tărie în contribuția la acest spirit de știință deschisă.”
Portofoliul de modele AI dezvoltat de Penn Medicine pentru a descoperi mai multe informații din scanări continuă să crească. Pe lângă AInSights și Percival, dezvoltatorii de la Penn Medicine au creat recent un model dedicat analizei scanărilor RMN cardiace pentru diagnosticarea unor afecțiuni noi. Un test a arătat că acesta a avut o acuratețe aproape perfectă în diagnosticele sale.
