Sztuczna inteligencja pomoże w diagnostyce chorób płuc

Naukowcy z Wydziału Matematyki i Nauk Informacyjnych PW chcą usprawnić rozpoznawanie zmian chorobowych, widocznych w tomografii komputerowej i na zdjęciach rentgenowskich płuc. Projekt będzie wsparciem dla lekarzy i pacjentów.

Kluczową rolę w diagnostyce chorób płuc (od raka po zmiany typowe dla zapalenia płuc, w tym wywołane przez COVID-19) pełnią badania obrazowe. Wyzwaniem, nawet dla doświadczonych radiologów i dostępnych algorytmów, jest jednak interpretacja wyników. By ułatwić ten proces, badacze z Politechniki Warszawskiej postanowili wykorzystać możliwości sztucznej inteligencji.

– Zamierzamy zbudować system informatyczny, który będzie wspierał pracę radiologa poprzez wzbogacanie zdjęć tomografii komputerowej i RTG o dodatkowe informacje / metacechy – mówi prof. Przemysław Biecek, kierownik projektu i lider zespołu MI2DataLab.

Analiza, jakiej nie było

Narzędzie pozwoli na wieloaspektową analizę zdjęć i będzie tak opracowane, żeby umożliwić rozbudowę modelu bazowego o moduły wykrywające szeroką gamę cech.

– Takie rozwiązanie jest nie tylko skuteczniejsze, ale też łatwiejsze w użyciu i rozwoju niż wiele modułów weryfikujących wąskie spektrum zmian – zaznacza prof. Biecek.

Pomysł wyróżniać będzie także rozbudowany moduł godnej zaufania sztucznej inteligencji. Chodzi o to, żeby pozwalała ona na prześledzenie ścieżki decyzyjnej stojącej za poszczególnymi prognozami, a co za tym idzie – zapewniała większą transparentność oraz bezpieczeństwo rekomendacji.

– Modele, które zachowują się jak czarne skrzynki, nie budzą zaufania, są podatne na trudne w wykryciu błędy – dodaje prof. Biecek. – Nasz zespół od kilku lat tworzy rozwiązania zwiększające transparentność modeli. Nowy projekt jest oparty o nasze autorskie rozwiązania.

Naukowcy planują wykorzystać dostępne różnorodne bazy danych, m.in. o przypadkach raka płuca, badania dzieci czy pacjentów z COVID-19. Chcą także, specjalnie na potrzeby projektu i w porozumieniu z lekarzami, opracować trzy unikalne zbiory danych o bezprecedensowej reprezentatywności.

Jaki będzie gotowy produkt?

– Nasze rozwiązanie będzie składało się z modułu sztucznej inteligencji oraz z interfejsu użytkownika pozwalających radiologowi na konwersację z modułem SI – mówi prof. Biecek. – Narzędzie będzie zintegrowane z systemami gabinetowymi już wykorzystywanymi przez lekarzy.

Projekt będzie realizowany przez interdyscyplinarny zespół: specjalistów od inżynierii oprogramowania, sztucznej inteligencji, wyjaśnialnego uczenia maszynowego, wizualizacji danych oraz radiologii.

Wszystko jest tak pomyślane, żeby system działał szybko, bezpiecznie i skutecznie. W przypadku diagnostyki to przecież kluczowe.

– Obecnie powiększamy bazę współpracujących szpitali i radiologów, pierwszy prototyp dostępny dla nich powinien być gotowy za rok – półtora roku, a w pełni funkcjonalną wersję planujemy oddać do użytku za trzy lata – mówi prof. Biecek.

Projekt „Godna zaufania sztuczna inteligencja wspierająca identyfikację zmian chorobowych w płucach na bazie danych obrazowych” (XLUNGS) jest finansowany przez Narodowe Centrum Badań i Rozwoju w ramach konkursu INFOSTRATEG I

Kierownik projektu: dr hab. inż. Przemysław Biecek, prof. PW

Liderzy zadań: dr Elżbieta Sienkiewicz (wyjaśnialne modelowanie predykcyjne), dr inż Marcin Luckner (rozwiązania informatyczne), dr Przemysław Bombiński (rozwiązania radiologiczne)

Czas realizacji projektu: 1 października 2021 – 31 maja 2025