AI analizira snimke mozga: Može da proceni starost mozga, šanse za preživljavanje raka, rizik od demencije…

Istraživači iz Opšte bolnice Masačusetsa i Brigama razvili su novi model veštačke inteligencije (AI) sposoban da analizira skupove podataka magnetne rezonance (MR) mozga kako bi obavio brojne medicinske zadatke – identifikovanje starosti mozga, predviđanje rizika od demencije, otkrivanje mutacija tumora mozga, šanse za preživljavanje raka mozga…

Alat nazvan BrainIAC nadmašio je druge, specifičnije AI modele i bio je naročito efikasan u uslovima kada su dostupni podaci za obuku bili ograničeni, piše EurekAlert!

Preporučujemo

- BrainIAC ima potencijal da ubrza otkrivanje biomarkera, unapredi dijagnostičke alate i ubrza usvajanje veštačke inteligencije u kliničkoj praksi. Integrisanje BrainIAC-a u protokole snimanja moglo bi pomoći lekarima da bolje personalizuju i unaprede negu pacijenata – izjavio je dr Bendžamin Kan, član Programa za veštačku inteligenciju u medicini u Opštoj bolnici Masačusetsa i Brigama i jedan od autora.

Uprkos nedavnom napretku u medicinskim pristupima veštačkoj inteligenciji, primetan je nedostatak javno dostupnih modela koji su fokusirani na široku analizu MR snimaka mozga. Većina konvencionalnih okvira obavlja specifične zadatke i zahteva obimnu obuku sa velikim, anotiranim skupovima podataka koje je često teško pribaviti. Štaviše, MR snimci mozga iz različitih ustanova mogu se razlikovati po izgledu i na osnovu njihove namene (npr. u neurologiji nasuprot onkologiji), što otežava VI sistemima da iz njih izvuku slične informacije.

Kako bi rešili ova ograničenja, istraživački tim je dizajnirao „adaptivno jezgro za snimanje mozga“, odnosno BrainIAC (Brain Imaging Adaptive Core). Alat koristi metodu zvanu samonadgledano učenje (self-supervised learning) za identifikaciju karakteristika iz neoznačenih skupova podataka, koje se zatim mogu prilagoditi nizu različitih primena. Nakon preliminarne obuke okvira na višestrukim skupovima MR snimaka mozga, istraživači su potvrdili njegove performanse na 48.965 različitih MR skenova kroz sedam različitih zadataka varirajuće kliničke složenosti.

Ustanovili su da BrainIAC može uspešno da generalizuje naučeno na zdravim i abnormalnim snimcima i da potom ta znanja primeni kako na relativno jednostavne zadatke, poput klasifikacije tipova MR skenova, tako i na veoma zahtevne zadatke, kao što je otkrivanje tipova mutacija tumora mozga. Model je takođe nadmašio tri konvencionalna, specijalizovana AI okvira u ovim i drugim primenama.

Autori napominju da je BrainIAC bio naročito uspešan u predviđanju ishoda u situacijama kada su podaci za obuku bili oskudni ili kada je složenost zadatka bila visoka, što sugeriše da bi se model mogao dobro prilagoditi stvarnim uslovima rada gde anotirani medicinski skupovi podataka nisu uvek lako dostupni. Potrebna su dalja istraživanja kako bi se ovaj okvir testirao na dodatnim metodama snimanja mozga i većim skupovima podataka.

Studija je objavljena u žurnalu Nature Neuroscience.

(Telegraf Nauka/EurekAlert!)