Sztuczna inteligencja w walce o zdrowe płuca – naukowcy z PW pracują nad systemem xLungs

Trwają zaawansowane prace naukowców z Wydziału Matematyki i Nauk Informacyjnych Politechniki Warszawskiej nad systemem, który usprawni diagnozowanie i monitorowanie zmian chorobowych w obrębie klatki piersiowej. Projekt xLungs ma na celu wspieranie lekarzy – m.in. pulmonologów i radiologów - przy analizie badań tomografii komputerowej. Opracowane modele sztucznej inteligencji potrafią nie tylko wykryć, ale też bardzo dokładnie opisać zmiany chorobowe. Co istotne, system xLungs łatwo zintegrować z istniejącymi systemami już wykorzystywanymi przez lekarzy. Kierownikiem projektu i liderem zespołu MI2.AI jest prof. Przemysław Biecek.

W diagnostyce chorób płuc kluczową rolę pełnią badania obrazowe. Celem projektu pn. „Godna zaufania sztuczna inteligencja wspierająca identyfikację zmian chorobowych w płucach na bazie danych obrazowych” jest wsparcie procesu identyfikacji zmian widocznych na tomografii komputerowej i rentgenie płuc. Naukowcy z PW wykorzystują możliwości sztucznej inteligencji, aby ułatwić proces interpretacji ich wyników, która bywa wyzwaniem nawet dla doświadczonych radiologów i dostępnych algorytmów. 

Okazuje się, że w analizie danych opisowych, towarzyszących badaniom tomografii komputerowej klatki piersiowej, pomocne są również modele językowe, takie jak m.in. GPT. Potrafią one wyciągać uporządkowane informacje z dostępnych historycznych opisów badań TK, a takie informacje można następnie wykorzystać w trenowaniu modeli rozpoznających określone zmiany chorobowe, np. w postaci guza czy rozedmy. Integracja modeli dla wizji komputerowej z modelami tekstowymi pozwala zautomatyzować proces ręcznego opisywania wyników. Naukowcy pracują nad systemem informacyjnym opartym na sztucznej inteligencji (AI) oraz interfejsie użytkownika pozwalającym radiologowi na konwersację z modułem SI. 

Modele SI potrzebują dużych baz danych. W przypadku projektu xLungs trening prowadzony jest na korpusie 40 TB (terabajtów) danych obrazowych, uwzględniających różne podpopulacje, od badań przesiewowych w kierunku raka płuca, po dane obrazowe dzieci. Specjalnie na potrzeby tego projektu i w porozumieniu z lekarzami zostały opracowane trzy unikalne zbiory danych, które będą udostępnione też innym zespołom badawczym pracujących nad modelami dla diagnostyki chorób klatki piersiowej.

Jak AI pomoże w diagnozie raka płuc?

Unikalną cechą narzędzia jest wiarygodny moduł sztucznej inteligencji, który skróci czas analizy obrazu potrzebny do wykrycia zmian i uczyni proces oceny obrazu bardziej przejrzystym. System został opracowany tak, aby umożliwić rozbudowę modelu bazowego o moduły wykrywające szeroką gamę cech. Moduł AI dostarczy także wyjaśnień obrazowych i tekstowych, które pozwolą na prześledzenie ścieżki decyzyjnej stojącej za konkretną diagnozą, a także zostanie zweryfikowany pod kątem efektywnej współpracy z radiologiem. Wszystko po to, by zapewnić transparentność i pełne bezpieczeństwo rekomendacji leczenia. 

W projekt zaangażowany jest multidyscyplinarny zespół ekspertów: specjalistów od inżynierii oprogramowania, sztucznej inteligencji, wyjaśnialnego uczenia maszynowego, wizualizacji danych czy radiologii. Naukowcy współpracują z Polską Grupą Raka Płuca oraz Dziecięcym Szpitalem Klinicznym w Warszawie. 

Trenowanie modeli AI to gigantyczne wyzwanie, nie tylko organizacyjne, ale też inżynierskie. Dane mają olbrzymią objętość - w postaci spakowanej 40 TB. Do wytrenowania modelu potrzebna jest olbrzymia moc obliczeniowa - dotąd wykorzystaliśmy ponad 180 tysięcy godzin prac zaawansowanych procesów obliczeniowych typu karty A100, pojedyncze badanie to trójwymiarowa macierz o wymiarach 500x500x300 pikseli. Skala naszego przedsięwzięcia jest unikalna, opracowywany zbiór danych PLIST będzie największą publicznie dostępną bazą danych badań CT klatki piersiowej na świecie. Pierwsza wersja modeli została już opracowana i przetestowana, obecnie szukamy kolejnych partnerów medycznych do współpracy nad testowaniem, wdrażaniem i dalszym rozwojem systemu - mówi prof. Przemysław Biecek, kierownik projektu badawczego. 

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, a jego wartość wynosi 5 755 000 zł. 

Projekt Infostrateg pozwolił na powołanie unikalnego, bardzo różnorodnego zespołu badawczego. Mamy czołowych ekspertów w zakresie radiologii i pulmonologii, którzy doradzają nam od strony medycznej. Mamy świetnych inżynierów oprogramowania, którzy rozwijają narzędzia informatyczne, modelarzy tworzących modele SI oraz specjalistów od wyjaśniania modeli, którzy dbają o to, by model nie uczył się błędnych zależności. Wyniki prac tego zespołu przedstawiane są na czołowych konferencjach informatycznych takich jak ECCV, ECAI, MICCAI. Na obecnym etapie planujemy jak najbardziej zbliżyć te opracowane innowacyjne modele do praktyki klinicznej - dodaje prof. Biecek. 

Na początku lipca Komitet Sterujący NCBR opublikował ocenę merytoryczną raportów po fazie II realizacji projektów. Wysiłki naukowców z PW zostały docenione i pozytywnie ocenione, w związku z czym mogą oni przejść do kolejnej fazy – wdrożenia projektu badawczego. Prace potrwają do końca czerwca 2025 roku.