Jak wynika z badań naukowych, taka forma otrzymania wyników pozwala na stwierdzenie takich samych nieprawidłowości i postawienie identycznej diagnozy, jak ma to miejsce w tradycyjnym MRI. Technologia została już przetestowana w ortopedii. Kolejnym krokiem będzie wykorzystanie jej w diagnostyce neurologicznej.
– Nasze badanie dotyczące fastMRI jest ważnym krokiem w kierunku akceptacji klinicznej i wykorzystania skanów MRI wykonywanych dzięki sztucznej inteligencji, ponieważ po raz pierwszy pokazuje, że obrazy generowane przez SI są zasadniczo nie do odróżnienia od standardowych badań klinicznych MRI i są wymienne pod względem dokładności diagnostycznej – podkreśla dr n. med. Michael P. Recht, profesor radiologii Louis Marx na Wydziale Radiologii Uniwersytetu Nowojorskiego Langone.
FastMRI jest oparta na sieci neuronowej, która analizuje największy na świecie otwarty zbiór danych o rezonansach magnetycznych kolana. Na podstawie tych danych algorytm sztucznej inteligencji był w stanie wygenerować skan MRI o dokładności odpowiadającej temu, który wykonywany jest standardowo, jednak w aż dziesięciokrotnie szybszym tempie. Standardowo badanie rezonansem trwa od 10 minut do nawet 1,5 godziny.
Następnie badania obrazowe otrzymane u 108 pacjentów przez fastMRI i tradycyjny rezonans zostały przeanalizowane przez specjalistów w dziedzinie radiologii. Z badania opublikowanego w „American Journal of Roentgenology” wynika, że na podstawie obu obrazów wykryto te same nieprawidłowości i postawiono dokładnie takie same diagnozy.
– Nasze wyniki oznaczają zmianę paradygmatu, w jaki sposób możemy poprawić doświadczenia pacjentów i tworzyć obrazy za pomocą rezonansu magnetycznego – przekonuje dr Michael P. Recht.
Szybki rezonans magnetyczny może sprawdzić się zarówno w diagnozowaniu w ortopedii, jak i innych gałęziach medycyny – między innymi w neurologii. Badacze postanowili udostępnić projekt fastMRI w formule open source.
– Zachęcamy do korzystania z danych fastMRI i otwartego kodu źródłowego w celu rozwijania naszych badań – wskazuje dr n. med. Daniel K. Sodickson, dyrektor Centrum Innowacji i Badań Zaawansowanego Obrazowania na Uniwersytecie Langone.
Sztuczna inteligencja jest coraz chętniej wykorzystywana do usprawnienia zarówno wykonywania, jak i analizy innych rodzajów badań obrazowych. Firma ContextVision oferuje już oparte na SI wzmocnienie obrazu dla radiografii. Atumira jest narzędziem pozwalającym poprawić zarówno obraz uzyskiwany w badaniu przeprowadzanym statycznie, jak i dynamicznie. Może być ono wykorzystywane zarówno do zwykłych zdjęć rentgenowskich, jak i najbardziej zaawansowanych aparatów angiograficznych, a także w diagnostyce wykonywanej na potrzeby medycyny weterynaryjnej.
W lutym amerykańska Agencja ds. Żywności i Leków (FDA) zezwoliła na wprowadzenie na rynek pierwszego oprogramowania do przeprowadzania USG serca opartego na sztucznej inteligencji. Caption Guidance jest przeznaczone do stosowania w badaniu ultrasonograficznym serca, znanym jako dwuwymiarowa echokardiografia przezklatkowa. Jest to badanie przydatne zwłaszcza w uzyskiwaniu standardowych widoków serca pod różnymi kątami. Uzyskanie takiego obrazu pozwala na znaczne usprawnienie diagnostyki kardiologicznej.
– Będziemy nadal przesuwać granice obrazowania medycznego, wykorzystując sztuczną inteligencję nie tylko do powielania zadań wykonywanych przez ludzi, lecz także do generowania zupełnie nowych możliwości, które poprawiają opiekę nad pacjentami – zapowiada dr Daniel K. Sodickson.
Według analityków z Mordor Intelligence rynek sztucznej inteligencji w medycynie był w 2019 roku wyceniany na kwotę ponad 3 mld dol. Do 2025 roku ma ona wzrosnąć niemal do 24 mld dol. Średnioroczne tempo wzrostu utrzyma się na poziomie przekraczającym 40 proc.
Źródło: Newseria Innowacje
