AI สามารถถ่ายภาพทางการแพทย์ไปอีกระดับ

เมื่อนักรังสีวิทยา Pouneh Razavi อ่าน mammogram ของผู้ป่วยเธอล่าหา blips ในภาพ X-ray ที่อาจบ่งบอกถึงมะเร็งเต้านม จากนั้นผู้อ่านรายที่สองจะดูที่ภาพและทั้งสองเปรียบเทียบผลลัพธ์

แต่ผู้อ่านคนที่สองนั้นไม่ใช่แพทย์มนุษย์ - เป็นปัญญาประดิษฐ์ ตั้งแต่เดือนมีนาคม Razavi และเพื่อนร่วมงานของเธอที่ Johns Hopkins School of Medicine ได้ใช้ซอฟต์แวร์ AI เป็นชุดที่สอง

มันเป็นวันแรกดังนั้นทีมของเธอยังคงเรียนรู้จากซอฟต์แวร์และสามารถเรียนรู้จากพวกเขาได้เช่นกัน ภาพจากการฝึกฝนของ Razavi สามารถช่วยฝึกอบรม AI บน Blips ที่พลาดไปดังนั้นจึงดีขึ้นเมื่อเวลาผ่านไป คณะลูกขุนยังคงดำเนินต่อไป - เพื่อนร่วมงานของ Razavi ยังคงรวบรวมข้อมูลอยู่ - แต่“ เราตื่นเต้นกับมัน” เธอกล่าว ผู้ป่วยของเธอก็เช่นกัน “ จนถึงตอนนี้ทุกคนเพิ่งพบว่ามันน่าสนใจ” ซึ่งรวมถึงข่าววิทยาศาสตร์บรรณาธิการหัวหน้า Nancy Shute ผู้ซึ่งได้รับแมมโมแกรม Ai-Analyzed ครั้งแรกของเธอจาก Razavi ในเดือนพฤษภาคม

แมมโมแกรมไม่ใช่การถ่ายภาพทางการแพทย์ประเภทเดียวที่ได้รับความช่วยเหลือ AI แพทย์กำลังใช้เทคโนโลยีเพื่อสแกนรังสีเอกซ์ของหีบของผู้คนวิดีโออัลตร้าซาวด์ของหัวใจของทารกและอื่น ๆ เทคโนโลยี AI ด้านการแพทย์กำลังเติบโตอย่างรวดเร็วและ“ การถ่ายภาพเป็นผู้นำทาง” Curtis Langlotz นักรังสีวิทยาของมหาวิทยาลัยสแตนฟอร์ดกล่าวคลื่นลูกใหม่ของ AI ในการประชุมวิชาการด้านการดูแลสุขภาพในนิวยอร์กซิตี้ในเดือนพฤษภาคม

ตั้งแต่ปี 2538 สำนักงานคณะกรรมการอาหารและยาของสหรัฐอเมริกาได้อนุมัติอุปกรณ์การแพทย์ที่เกี่ยวข้องกับ AI เกือบ 900 เครื่อง- ประมาณ 75 เปอร์เซ็นต์มุ่งเน้นไปที่รังสีวิทยา แต่ไม่ใช่ทุกคลินิกทั่วประเทศที่เชื่อมต่อเข้ากับเทคโนโลยี Mert Sabuncu นักเทคโนโลยีของ Cornell University กล่าวในที่ประชุมซึ่งจัดขึ้นโดย New York Academy of Sciences และ Icahn School of Medicine ที่ Mount Sinai ในความเป็นจริงเขาพูดว่า“ ฉันจะบอกว่าเราเพิ่งเริ่มปรับใช้พวกเขา”

ข่าววิทยาศาสตร์ได้พูดคุยกับ Sabuncu และผู้เชี่ยวชาญอื่น ๆ เกี่ยวกับสาเหตุที่ AI ในการถ่ายภาพทางการแพทย์กำลังถูกถอดออกและสิ่งที่พวกเขาเห็นว่าเป็นสัญญา - และข้อผิดพลาดที่อาจเกิดขึ้น - ของเทคโนโลยี นี่คือสิ่งที่เราค้นพบ

ข้อมูลจำนวนมากทำให้การถ่ายภาพทางการแพทย์สุกงอมสำหรับ AI

มันไม่ผิดปกติสำหรับ Langlotz ที่จะมาถึงโรงพยาบาลในเช้าวันเสาร์เพื่อหาผู้ป่วย 150 ภาพรอให้เขาตรวจสอบ เขาจะรูขุมขนผ่านรังสีเอกซ์หน้าอกมองหาก้อนที่ผิดปกติโรคปอดบวมซี่โครงร้าวหรือของเหลวในปอด

เป็นงานที่ต้องฝึกอบรมการมุ่งเน้นและใส่ใจในรายละเอียด - แต่แม้แต่ผู้เชี่ยวชาญก็สามารถทำผิดพลาดได้ อัตราความผิดพลาดรายวันของนักรังสีวิทยาอาจอยู่ที่ประมาณ 3 ถึง 5 เปอร์เซ็นต์นักวิจัยได้พบ เช่นข้อผิดพลาดมีแนวโน้มที่จะเกิดจากการทำงานหนักเกินไปนักวิทยาศาสตร์รายงานในปี 2566 ในวารสารรังสีวิทยายุโรป- “ เราต้องการความช่วยเหลือ” Langlotz กล่าว

ปัญหาไม่น่าจะหายไปเมื่อใดในไม่ช้า ผู้คนจำนวนมากกำลังได้รับการสแกนซึ่งหมายความว่าแพทย์จะได้รับภาพมากกว่าที่เคยเป็นและจำนวนพิกเซลในแต่ละภาพก็เพิ่มขึ้นเช่นกัน สำหรับนักรังสีวิทยาที่ค้นหาจุดที่น่าสงสัยในการเอ็กซเรย์เข็มในการเปรียบเทียบแบบฟางไม่ได้ตัดมันค่อนข้างมาก Sabuncu กล่าว มันเป็นเหมือน“ การมองหาเข็มในกองหญ้าภายใต้แรงกดดันอย่างมากเมื่อสุขภาพของผู้ป่วยอยู่ในสายเมื่อคุณมีความรับผิดทางกฎหมายและคุณไม่อยากพลาดอะไรเลย”

สิ่งที่ท้าทายอย่างมากสำหรับมนุษย์อาจเป็นโอกาสที่สุกงอมสำหรับ AI ด้วยภาพดิจิตอลคุณภาพสูงจำนวนมากนักวิทยาศาสตร์สามารถฝึกอบรมโมเดลคอมพิวเตอร์ AI เพื่อค้นหาคุณสมบัติเฉพาะในการสแกนของบุคคลเช่นรอยเปื้อนในภาพเต้านมหรือสัญญาณของโรคปอดบนรังสีเอกซ์

แบบจำลองดังกล่าวอาจช่วยปรับปรุงความแม่นยำและประสิทธิภาพของนักรังสีวิทยาและแม้แต่การตั้งค่าสถานะภาพที่ดูน่าตกใจที่สุดเพื่อให้แพทย์สามารถทดลองกรณีที่อาจต้องได้รับความสนใจทันที เมื่อ Langlotz เห็นกรณีของเขาซ้อนกันในตอนเช้า“ ฉันชอบที่จะรู้ว่าสิ่งใดที่มีแนวโน้มที่จะมีปัญหามากกว่า” เขากล่าว

AI อาจช่วยให้แพทย์เห็นอาการของโรค

เมื่อบุคคลได้รับเอ็กซ์เรย์หน้าอกนักรังสีวิทยาอาจตรวจสอบมะเร็งปอดหรือสัญญาณของการติดเชื้อ แต่ภายในภาพนั้นรายละเอียดเกี่ยวกับด้านอื่น ๆ ของสุขภาพของบุคคลนั้นซ่อนตัวอยู่ในสายตาธรรมดา โมเดล AI มีศักยภาพในการบีบข้อมูลเพิ่มเติมจากการสแกนแต่ละครั้ง Sabuncu กล่าวว่ามีความร่ำรวยต่อข้อมูลภาพที่ไม่ได้ถูกขุดโดยนักรังสีวิทยา Sabuncu กล่าว “ เราทิ้งข้อมูลจำนวนมากไว้บนโต๊ะ”

ใช้โรคหลอดเลือดหัวใจ แพทย์มักจะคำนวณความเสี่ยงของบุคคลโดยการเก็บข้อมูลในข้อมูลเช่นระดับคอเลสเตอรอลและความดันโลหิต แต่การคำนวณเหล่านั้นไม่สามารถทำได้หากข้อมูลหายไป นั่นคือที่ที่ AI สามารถก้าวเข้ามา-โดยการรวบรวมข้อมูลหัวใจและหลอดเลือดจากรังสีเอกซ์ประจำ

“ เราจะแยกข้อมูลจากภาพที่เราไม่ได้แยกออกเป็นนักรังสีวิทยา”

Curtis Langlotz

ด้วยชุดของภาพที่รวบรวมก่อนหน้านี้และข้อมูลการติดตามผล AI แบบสแกนเอ็กซ์เรย์หน้าอกจากเกือบ 8,900 คนอายุ 50 ถึง 75 และระบุว่าใครอาจมีอาการหัวใจวายหรือโรคหลอดเลือดสมองในภายหลังนักวิจัยรายงานเมื่อเดือนเมษายนพงศาวดารอายุรศาสตร์มันเป็นตัวอย่างของ“ การถ่ายภาพฉวยโอกาส” ที่ AI อวนลากอวนลากสำหรับเบาะแสทางการแพทย์เกินวัตถุประสงค์ดั้งเดิมของเอ็กซเรย์ ผู้คนประมาณ 4,200 คนที่ถูกตั้งค่าสถานะโดย AI นั้นมีแนวโน้มที่จะมีปัญหาเกี่ยวกับหัวใจและหลอดเลือดอย่างรุนแรงในอีก 10 ปีข้างหน้าเมื่อคนอื่นประเมิน

การศึกษาที่คล้ายกันในปี 2566 ใช้สิ่งที่แตกต่างกันเอ็กซ์เรย์สแกน AI เพื่อตรวจจับโรคเบาหวานประเภท 2 ได้สำเร็จ- ในกรณีดังกล่าวนักวิจัยได้ฝึก AI เกี่ยวกับรังสีเอกซ์หน้าอกหลายแสนคนและบอกว่าคนไหนมาจากผู้ป่วยที่เป็นโรค คนเหล่านั้นมีแนวโน้มที่จะมีไขมันกระจายในลักษณะที่คล้ายกันรวมถึงรอบ ๆ หัวใจและตับซึ่ง AI สามารถเลือกได้ ไม่ใช่สิ่งที่แพทย์มักจะมองหาเมื่อทำเอ็กซ์เรย์เป็นประจำ แต่นั่นคือธีมของ AI ในการถ่ายภาพ Langlotz กล่าว “ เราจะแยกข้อมูลจากภาพที่เราไม่ได้แยกออกเป็นนักรังสีวิทยา”

เครื่องมือ AI ดังกล่าวสามารถช่วยผู้ที่ขาดการเข้าถึงการดูแลสุขภาพเป็นประจำผู้เขียนการศึกษาชี้ให้เห็น ตัวอย่างเช่นในระหว่างการเยี่ยมชมห้องฉุกเฉินคนเหล่านี้อาจได้รับเอ็กซเรย์หน้าอกเป็นประจำที่สามารถตั้งค่าสถานะปัญหาอื่น ๆ นอกเหนือจากที่พาพวกเขาไปโรงพยาบาล

Sabuncu เห็นการใช้งานอีกครั้งสำหรับ AI เป็นสิ่งที่สามารถช่วยให้เรามองไปสู่อนาคตของเราได้ด้วยการมองใกล้อดีตของเรา การวิเคราะห์ภาพ AI ส่วนใหญ่ในวันนี้ไม่ได้พิจารณาการสแกนก่อนหน้าของผู้ป่วย พวกเขาแนะนำการวินิจฉัยตามภาพเดียว Sabuncu มีความสนใจในเครื่องมือ AI ที่ตรวจสอบว่าภาพทางการแพทย์ของผู้คนเปลี่ยนแปลงไปอย่างไรเมื่อเวลาผ่านไป “ มีประวัติทางคลินิกทั้งหมดที่ต้องมีการพิจารณา” เขากล่าว

ในการตรวจคัดกรองเช่นสำหรับมะเร็งเต้านมหรือมะเร็งปอด "เปลี่ยนไปตามกาลเวลา" เป็นสัญญาณที่สำคัญที่สุดซึ่งสามารถประเมินได้ด้วยการถ่ายภาพตามยาว ตัวอย่างเช่นในสหรัฐอเมริกาแนะนำให้ผู้หญิงอายุมากกว่า 40 ปีได้รับแมมโมแกรมประจำปี 1/n

- Mert R. Sabuncu 🤖🩻⚕ (@mertory)20 พฤษภาคม 2024

ทีมงานของเขาเพิ่งสร้างแบบจำลองเช่นการกัดเซาะแมมโมแกรมของบุคคลในช่วงหลายปีที่ผ่านมา ข้อมูลในอดีตนี้ช่วยให้แบบจำลองระบุรอยโรคที่น่าสงสัย AI มีประสิทธิภาพมากกว่า 80 เปอร์เซ็นต์ในการแยกความแตกต่างระหว่างผู้ที่จะเป็นมะเร็งภายในห้าปีข้างหน้าและผู้ที่ไม่ต้องการทีมรายงานในกระดาษส่ง 29 เมษายนถึง arxiv.org และจะนำเสนอในเดือนตุลาคมที่การคำนวณภาพทางการแพทย์และการประชุมการแทรกแซงด้วยคอมพิวเตอร์ช่วยใน Marrakesh, โมร็อกโก นักวิจัยตรวจสอบประสิทธิภาพของ AI โดยใช้ข้อมูลผลลัพธ์ของผู้ป่วยที่ AI ไม่เคยเห็น

AI ยังสามารถช่วยนักวิทยาศาสตร์รวมข้อมูลภาพที่ซับซ้อนยิ่งขึ้นเช่นวิดีโออัลตร้าซาวด์ของหัวใจทารกแรกเกิดของทารกแรกเกิด Julia Vogt นักวิทยาศาสตร์คอมพิวเตอร์ของ ETH Zurich กล่าว กุมารแพทย์ที่ผ่านการฝึกอบรมสามารถดูวิดีโอเหล่านั้นและทารกที่อาจมีปัญหาเกี่ยวกับหัวใจ แต่มันยากและใช้เวลานานเธอกล่าว แพทย์ที่คลินิกในประเทศเยอรมนีถามทีมของเธอว่าจะช่วยได้หรือไม่

ทีมของ Vogt สร้างไฟล์โมเดล AI ที่วิเคราะห์อัลตร้าซาวด์ของทารกพร้อมกับข้อมูลอื่น ๆ ในการทดสอบโดยใช้วิดีโอจากทารกแรกเกิด 192 คนที่เคยได้รับการประเมินโดยผู้เชี่ยวชาญโรคหัวใจในเด็กแบบจำลองสามารถชี้ให้เห็นได้อย่างแม่นยำว่าทารกที่มีปัญหาหัวใจที่เรียกว่าความดันโลหิตสูงในปอดประมาณ 80 เปอร์เซ็นต์ของเวลาทีมของเธอรายงานเมื่อวันที่ 6 กุมภาพันธ์ในเดือนกุมภาพันธ์วารสารวิสัยทัศน์ระหว่างประเทศ- ด้วยการพบปัญหาก่อนกำหนด Vogt กล่าวว่า“ เราสามารถสร้างผลกระทบอย่างมากต่อทารกแรกเกิด” ปัญหาดังกล่าวมักจะได้รับการรักษาด้วยออกซิเจนเสริมหรือยา

AI สามารถช่วยเหลือผู้ป่วยได้ แต่จะไม่แทนที่แพทย์ในไม่ช้า

ในการดูแลสุขภาพการนำเทคโนโลยีใหม่ออกสู่โลกแห่งความเป็นจริงนั้นไม่ใช่เรื่องง่าย นักวิทยาศาสตร์อาจเผยแพร่รายงานของโมเดล AI ที่สามารถทำได้ระบุเซลล์มะเร็งในตัวอย่างมะเร็งสมองหรือไข่หนอนกาฝากในคนเซ่อเด็กแต่นั่นไม่ได้หมายความว่าเทคโนโลยีพร้อมที่จะไป Sabuncu กล่าว “ มีงานอีกมากที่ต้องทำ”

โมเดล AI จำเป็นต้องได้รับการตรวจสอบและทดสอบในการตั้งค่าที่นอกเหนือไปจากการฝึกอบรม พวกเขาต้องการคนที่มีความรู้ทางคลินิกและเทคนิคที่จะใช้พวกเขา พวกเขาต้องผ่านกระบวนการกำกับดูแลเพื่อขออนุมัติ และในอุดมคติแล้วพวกเขาจะถูกนำไปใช้ในโลกแห่งความเป็นจริงและประเมินผลการปฏิบัติงานของพวกเขา Sabuncu กล่าว

เช่นเดียวกับระบบ AI ส่วนใหญ่ที่รายงานในวรรณคดีทางวิทยาศาสตร์ในปัจจุบันรูปแบบที่ทีมของ Vogt พัฒนาขึ้นไม่พร้อมสำหรับการเปิดตัวอย่างกว้างขวาง นักวิจัยต้องฝึกอบรมข้อมูลเพิ่มเติมก่อน ณ จุดนี้มีตัวแปรมากเกินไปที่อาจทำให้สับสนเช่นโรงพยาบาลต่าง ๆ จับวิดีโอและใช้เครื่องอัลตร้าซาวด์ประเภทใด เธอประมาณการว่าการฝึกอบรมเพิ่มเติมรวมถึงการทดลองเพื่อยืนยันว่างานโมเดลอาจใช้เวลาสามถึงห้าปี

แต่สิ่งที่จำเป็นในการนำแบบจำลองเข้าสู่โรงพยาบาลมากขึ้น Vogt กล่าว “ คุณต้องการบางสิ่งบางอย่างเพื่อตรวจสอบว่าจริง ๆ แล้วมันมีประโยชน์”

Sabuncu คิดว่าความคาดหวังของสาธารณชนเกี่ยวกับช่วงเวลาเทคโนโลยีเป็นที่ที่ AI hype สามารถคืบคลานเข้ามาได้“ ไม่ต้องสงสัยเลยว่า AI มีศักยภาพมากมาย” เขากล่าว เขาวาดภาพเทคโนโลยีสักวันหนึ่งอาจมีผลกระทบอย่างมากในการแพทย์ แต่เขาพูดว่า“ ฉันไม่คิดว่าเราจะเห็นผลกระทบอย่างรวดเร็ว”

การใช้เครื่องมือ AI อย่างรอบคอบและรอบคอบในที่สุดอาจทำให้การดูแลสุขภาพมีประสิทธิภาพมากขึ้น Vogt กล่าว “ AI ไม่ใช่เวทมนตร์” เธอกล่าว แต่มันมีศักยภาพที่จะแก้ปัญหาบางอย่าง ยกตัวอย่างเช่นการผ่อนคลายปริมาณงาน AI สามารถให้เวลาแพทย์กับผู้ป่วยได้มากขึ้น “ นั่นจะเป็นความสำเร็จที่ยิ่งใหญ่” เธอกล่าว

ทั้ง Vogt และผู้เชี่ยวชาญอื่น ๆข่าววิทยาศาสตร์พูดคุยกับ Evision AI แทนที่แพทย์ได้ตลอดเวลาในไม่ช้าแม้ว่ามันจะเป็นข้อกังวลที่พวกเขาเคยได้ยิน ผู้ป่วยบางรายคิดว่าพวกเขาจะได้รับการสแกนแล้วโต้ตอบกับ AI เท่านั้นไม่มีมนุษย์ที่เกี่ยวข้องในกระบวนการ Razavi กล่าว “ พวกเขาคิดว่ามันเหมือนกับเคาน์เตอร์ตรวจสอบตัวเองที่ Whole Foods” แต่นั่นไม่ถูกต้องเธอพูด ภาพทั้งหมดที่ศูนย์ถ่ายภาพ Johns Hopkins จะอ่านโดยนักรังสีวิทยาการถ่ายภาพเต้านม

ทีมงานของเธอหวังว่า AI จะช่วยให้แพทย์เห็นโรคมะเร็งของผู้ป่วยก่อนหน้านี้ลดผลบวกที่ผิดพลาดและทำงานแพทย์ triage ผลประโยชน์ที่อาจเกิดขึ้นเหล่านั้นได้อย่างไรจะขึ้นอยู่กับว่า AI ดีแค่ไหนที่คลินิกใช้เทคโนโลยีและผู้ที่เข้าถึงได้อย่างไร ยกตัวอย่างเช่นคลินิกถ่ายภาพเต้านมบางแห่งเรียกเก็บเงินเพิ่ม $ 40 หรือมากกว่าเพื่อทำการสแกนโดย AI, Razavi กล่าว Johns Hopkins ทำได้ฟรี

“ หากมีเทคโนโลยีที่สามารถช่วยหามะเร็งขนาดเล็กได้เราไม่ต้องการปฏิเสธสิ่งนั้นกับใครบางคน” Razavi กล่าว