L’analisi radiologica che fa leva sull’intelligenza artificiale sta superando la pura identificazione dei tumori
Non è stata una sorpresa che una delle prime applicazioni delle reti neurali, una tecnica moderna di base dell’intelligenza artificiale (AI), fosse in radiologia. Le applicazioni per la vista erano rivolte al compito di esaminare le immagini radiografiche e di scansione TC per identificare i tumori cancerosi. Ciò ha contribuito a guidare la rinascita di un focus sull’IA. L’evoluzione dell’intelligenza artificiale e dell’apprendimento automatico (ML) ha iniziato ad aiutare la comunità medica a superare la pura identificazione della malattia verso ambiti sanitari più predittivi e prescrittivi. Un esempio è nell’area delle malattie polmonari.
L’identificazione iniziale dei tumori da parte dell’IA è stata un passo importante per migliorare l’accuratezza sia della diagnosi che delle reti neurali. Il prossimo passo ovvio nell’assistenza sanitaria è stato l’identificazione di altre malattie. Con il sistema polmonare, i polmoni in particolare, l’identificazione del cancro si estendeva al riconoscimento dei problemi causati dall’enfisema. Una delle cose che ho imparato su quella malattia, nel corso delle indagini, è che le sezioni danneggiate dei polmoni non smettono di funzionare. Quando respiriamo, assorbiamo gas e poi i polmoni trasferiscono gas come l’ossigeno nel flusso sanguigno. Un effetto dell’enfisema è che il mancato trasferimento del gas significa che l’aria è intrappolata in parti del polmone, si gonfiano e questo impedisce all’aria di spostarsi in altre parti del polmone che sono ancora sane.
L’identificazione dei biomarcatori dell’enfisema e di altre malattie può essere identificata con le reti neurali. Tuttavia, nota il mio solito soapbox che l’IA è uno strumento e che l’ML è ora più della pura definizione di AI. Una cosa è identificare un problema. È al di là di questo utilizzare la conoscenza per pianificare ed eseguire azioni. “Le reti neurali sono fondamentali per identificare i problemi nelle immagini”, afferma Susan Wood, PhD, Presidente e CEO, VIDA . “Tuttavia, non si tratta solo di trovare le cose nelle immagini o di farlo più velocemente, ma di migliorare l’impatto olistico sui percorsi di cura e sul trattamento dei pazienti”.
Un esempio della combinazione è come il gran numero di casi clinici di enfisema consenta l’apprendimento supervisionato di una rete neurale per identificare aree problematiche, quindi modelli statistici avanzati, ora parte del ML, anche se non AI, per assistere nell’identificazione di segmenti polmonari e per misurare e quantificare le caratteristiche identificate in quei segmenti.
L’analisi predittiva può essere eseguita a più livelli. C’è l’analisi statistica di alto livello di quali tipi di trattamento sono i migliori per i diversi dati demografici dei pazienti (età, diffusione della malattia, ecc.). C’è anche l’analisi più dettagliata.
La maggior parte delle persone ha sentito a lungo parlare di stent per le arterie, per aiutarle ad aprirle e favorire il flusso sanguigno. In relazione a ciò ci sono alcune valvole unidirezionali davvero interessanti (un termine tecnico …), come quelle di PulmonX , che possono essere impiantate nei polmoni. Le valvole possono consentire all’aria di uscire lentamente dalle sezioni polmonari gonfiate bloccando l’ingresso di nuova aria. Ciò aiuta a dirigere l’aria verso le sezioni buone dei polmoni, migliorando la respirazione. L’apprendimento automatico viene utilizzato da VIDA per aiutare i medici a comprendere l’idoneità dei pazienti per la procedura e il posizionamento ottimale di questi dispositivi.
L’ultima area da discutere inizia integrando l’analisi con la chirurgia. Anche se in precedenza ho descritto come le diverse tecniche stanno iniziando ad aiutare i chirurghi , quel lavoro è ancora agli inizi in VIDA. Il loro ML può identificare e mappare il percorso ottimale per i chirurghi per viaggiare lungo il sistema polmonare per eseguire la biopsia delle lesioni. A questo punto, la mappatura è ancora un sistema separato. Quello che cerco, andando avanti, è che la mappatura sia integrata con il sistema di broncoscopia in modo da fornire indicazioni in tempo reale sul feed della telecamera. Non mi dispiace non esserci in questa fase, ma mi aspetto che l’integrazione dovrà avvenire nei prossimi 18-36 mesi affinché le aziende su entrambi i lati dell’equazione continuino ad aggiungere valore.
Sebbene sia importante notare i nuovi mercati verticali e orizzontali a cui si stanno rivolgendo AI e ML, non dobbiamo perdere il sito di come le tecnologie si stanno espandendo all’interno dei mercati esistenti. Nell’area medica della salute polmonare, c’è un movimento significativo oltre il successo iniziale dell’IA per l’identificazione di oggetti nelle immagini radiologiche, verso l’apprendimento automatico per analisi di più alto livello per l’identificazione, l’organizzazione e l’azione prescrittiva.
