Przejdź do treści

Opublikowano: 11.03.2022 16:53

Sztuczna inteligencja pomoże odczytywać testy skórne

fot. freepik.com

Osoby z objawami alergii mogą odetchnąć – dzięki rozwiązaniu diagnostycznemu SkinLogic współtworzonemu przez zespół z Wydziału Elektroniki i Technik Informacyjnych możliwe będzie sprawniejsze przeprowadzanie skórnych testów alergicznych i otrzymywanie bardziej wiarygodnych wyników.

Wielu uczulonych lub podejrzewających u siebie alergię zna ten schemat dobrze – wizyta u specjalisty, nakłucie za pomocą specjalnego nożyka fragmentów przedramienia, na których zostały nałożone krople alergenu, 20 minut oczekiwania na wynik, a na końcu – pomiar bąbli linijką. Naukowcy pod kierunkiem prof. Roberta Nowaka z Wydziału EiTI wraz z zespołem prof. Jacka Stępnia (spółka Milton Essex) i naukowcami z Wojskowego Instytutu Medycznego opracowali rozwiązanie, które ma pomóc w usprawnieniu tego schematu.

Wstęp do diagnozy

Z informatycznego punktu widzenia SkinLogic to system przetwarzania danych. Jego bazą jest natomiast urządzenie składające się ze statywu i dwóch kamer: wizyjnej i termowizyjnej.

Ręka pacjenta jest unieruchomiona w statywie. Maszyna wykonuje zdjęcia w świetle widzialnym i podczerwonym w ustalonych momentach, rejestrując to, co dzieje się na fragmentach skóry potraktowanych alergenami. Po otrzymaniu dokumentacji w formie cyfrowej przychodzi czas na wykorzystanie algorytmu stworzonego na PW.

W standardowej procedurze pomiar reakcji alergicznej jest ręczny i nie do końca precyzyjny. W przypadku SkinLogic to algorytm wykonuje pomiar, wykorzystując przy tym obrazy z kamer. System bada nie tylko wielkość odczynu, ale również inne parametry, takie jak kształt czy nietypowe reakcje. Na tym etapie szczególnie pomocny jest widok uzyskany przy wykorzystaniu widma dalekiej podczerwieni. 

Dokładność co do piksela

Analiza materiału cyfrowego polega na podzieleniu zdjęć na segmenty odpowiadające lokalizacji nakłuć na skórze. Każdy z tych segmentów można zbadać oddzielnie. Analiza danych w czasie pokazuje, jak zmieniał się badany fragment.

Model, na którym opiera się SkinLogic, został stworzony na podstawie 1500 obrazów skórnych reakcji alergicznych zebranych w toku badań klinicznych przeprowadzonych na 100 pacjentach. Te opracowane przez lekarzy rekordy stanowiły dane wejściowe dla systemu sztucznej inteligencji. Na ich podstawie algorytm mógł się nauczyć, jak rozpoznawać, który widok prezentuje reakcję alergiczną, a który nie.

– To, co otrzymujemy dzięki zdjęciom z kamery, to obrazy 100 x 100 pikseli. Lekarz, który bada bąbel alergiczny, ma do dyspozycji jedynie widoczne gołym okiem pole powierzchni. My badamy wszystkie piksele z otrzymanych obrazów. Można więc powiedzieć, że standardowa diagnoza jest oparta na podstawie jednej wartości, a odczyn badany przez sztuczną inteligencję opiera się na milionie wartości i wykrytych kombinacjach – mówi prof. Robert Nowak, kierownik Zakładu Sztucznej Inteligencji. – Dla człowieka znalezienie tych wzorców byłoby niezwykle żmudne, wytrenowany algorytm radzi sobie z tym zadaniem szybko i jest bardzo dokładny. Więcej danych oznacza wprawdzie więcej szumów do wyeliminowania, algorytm radzi sobie jednak i z tym problemem. Nasz system trenował na zestawie wzorów opracowanych przez konsylium lekarskie, ma więc wysokiej jakości fundament – podkreśla nasz badacz.

Potwierdzają to badania kliniczne systemu, który prawidłowo rozpoznaje aż 98% procent przypadków, także alergii rzadkich. Dzięki SkinLogic możliwe jest wykrywanie zmian o średnicy poniżej 0,3 mm.

Przerwać marsz alergiczny

System automatyzujący odczyty skórnych testów alergicznych przechodzi testy przedrejestracyjne. Wprowadzenie go do szerokiego użytku może się okazać ogromną pomocą w rzeczywistości, w której choroby alergiczne, w tym astma, dotyczą coraz większej części populacji. Szybsze diagnozy, precyzyjne wyniki i możliwość szerszych konsultacji dzięki dokumentacji w formie cyfrowej ma usprawnić diagnozowanie i podejmowanie decyzji dotyczących zastosowania odpowiedniego leczenia, tak aby zahamować rozwój choroby.

Wyniki badań nad modelem opracowanym przez multidyscyplinarny zespół specjalistów ze spółki MILTON ESSEX SA (lider projektu), Politechniki Warszawskiej oraz Wojskowego Instytutu Medycznego został opublikowany w Scientific Reports.

Podobne tematy: