Penn Medicine stworzyło AI do wykrywania ukrytych chorób w tomografii komputerowej — News-Medical
Naukowcy z Penn Medicine opracowali model sztucznej inteligencji Percival do analizy tomografii komputerowej, który może wykrywać na obrazach oznaki chorób i potencjalne przyszłe zagrożenia dla zdrowia wykraczające poza pierwotny cel badania. Informuje o tym News-Medical, powołując się na badanie opublikowane w czasopiśmie npj Digital Medicine.
Analiza TK poza celem badania
Model szkolono na około 400 tysiącach obrazów TK blisko 50 tysięcy pacjentów. Do jego opracowania wykorzystano również dane z Penn Medicine BioBank, zawierającego informacje o ponad 350 tysiącach osób, zebrane w systemie opieki zdrowotnej Uniwersytetu Pensylwanii w ciągu dwóch dekad.
Według autorów pracy Percival potrafi wykrywać w badaniach TK oznaki przewlekłych schorzeń, w tym migotania przedsionków — formy nieregularnego bicia serca — oraz przewlekłej choroby nerek. Badacze postrzegają takie podejście jako możliwość rozszerzenia przesiewowych badań oportunistycznych: uzyskiwania dodatkowych informacji z obrazu, który pierwotnie wykonano z innego powodu.
Więcej aktualnych wiadomości na kanale UA.News w Telegramie Telegram.
Porównanie z innym modelem
W porównaniu z innym modelem AI, TotalSegmentator, Percival bardziej niezawodnie wykrywał takie schorzenia jak rak trzustki, marskość wątroby i bakteryjne zapalenie płuc. Współautor badania, profesor radiologii Charles Kahn, zaznaczył, że rutynowe badania obrazowe mogą pomóc wcześniej rozpoznawać choroby oraz przewidywać ryzyko powikłań sercowo-naczyniowych i wątrobowych.
Model przechodzi obecnie testy przedkliniczne. Twórcy mają nadzieję przetestować go na początku 2027 roku, rozważając jego dalsze wykorzystanie w praktyce klinicznej. Kod Percival i specyfikacje jego szkolenia są dostępne publicznie.
