Νέα τεχνητή νοημοσύνη: Ερευνητές από το Πανεπιστήμιο του Jyväskylä και την Περιφέρεια Υγείας της Κεντρικής Φινλανδίας ανέπτυξαν νευρωνικό δίκτυο βασισμένο σε τεχνητή νοημοσύνη για την ανίχνευση πρώιμης οστεοαρθρίτιδας του γόνατος από εικόνες ακτίνων Χ. Η τεχνητή νοημοσύνη ήταν σε θέση να ταυτίσει τις διαγνώσεις των γιατρών στο 87% των περιπτώσεων. Το αποτέλεσμα είναι σημαντικό επειδή οι ακτινογραφίες είναι η κύρια διαγνωστική μέθοδος για την πρώιμη οστεοαρθρίτιδα του γόνατος.
Μια έγκαιρη διάγνωση μπορεί να σώσει τον ασθενή από περιττές εξετάσεις, θεραπείες, ακόμη και από χειρουργική επέμβαση αντικατάστασης άρθρωσης γόνατος.Η οστεοαρθρίτιδα είναι η πιο συχνή πάθηση που σχετίζεται με τις αρθρώσεις παγκοσμίως. Μόνο στη Φινλανδία προκαλεί 600.000 ιατρικές επισκέψεις κάθε χρόνο. Έχει υπολογιστεί ότι κοστίζει στην εθνική οικονομία έως και 1 δισεκατομμύριο ευρώ ετησίως. Η νέα μέθοδος, βασισμένη στην τεχνητή νοημοσύνη, εκπαιδεύτηκε να ανιχνεύει ένα ακτινολογικό χαρακτηριστικό που προβλέπει την οστεοαρθρίτιδα από ακτινογραφίες. Το εύρημα αυτό δεν περιλαμβάνεται επί του παρόντος στα διαγνωστικά κριτήρια, αλλά οι ορθοπεδικοί το θεωρούν πρώιμο σημάδι οστεοαρθρίτιδας. Η μέθοδος αναπτύχθηκε στο Εργαστήριο Ψηφιακής Νοημοσύνης Υγείας Digital Health Intelligence Lab του Πανεπιστημίου Jyväskylä στο πλαίσιο του έργου AI Hub Central Finland. Χρησιμοποιεί τεχνολογίες νευρωνικών δικτύων που χρησιμοποιούνται ευρέως σε παγκόσμιο επίπεδο. “Στόχος του έργου ήταν να εκπαιδεύσουμε την τεχνητή νοημοσύνη να αναγνωρίζει ένα πρώιμο χαρακτηριστικό της οστεοαρθρίτιδας από μια ακτινογραφία. Κάτι που οι έμπειροι γιατροί μπορούν να διακρίνουν οπτικά από την εικόνα, αλλά δεν μπορεί να γίνει αυτόματα”, εξηγεί ο Anri Patron, ο ερευνητής που είναι υπεύθυνος για την ανάπτυξη της μεθόδου.
Στην πράξη, η τεχνητή νοημοσύνη προσπαθεί να ανιχνεύσει αν υπάρχει ή όχι αιχμή στους κνημιαίους κονδύλους στην άρθρωση του γόνατος. Η κνημιαία ακίδα μπορεί να αποτελεί ένδειξη οστεοαρθρίτιδας. Οι ερευνητές αξιολόγησαν την αξιοπιστία της μεθόδου μαζί με ειδικούς από την περιφέρεια υγειονομικής περίθαλψης της Κεντρικής Φινλανδίας. “Για την ανάπτυξη του μοντέλου τεχνητής νοημοσύνης χρησιμοποιήθηκαν περίπου 700 εικόνες ακτίνων Χ, ενώ στη συνέχεια το μοντέλο επικυρώθηκε με περίπου 200 εικόνες ακτίνων Χ. Το μοντέλο κατάφερε να κάνει μια εκτίμηση της αιχμής που ήταν σύμφωνη με την εκτίμηση ενός γιατρού στο 87% των περιπτώσεων, γεγονός που αποτελεί ένα πολλά υποσχόμενο αποτέλεσμα”, περιγράφει ο Patron. Η τεχνητή νοημοσύνη μπορεί να υποστηρίξει την έγκαιρη διάγνωση της οστεοαρθρίτιδας στην πρωτοβάθμια υγειονομική περίθαλψη. Ο διδάκτωρ Sami Äyrämö, επικεφαλής του Εργαστηρίου Ψηφιακής Νοημοσύνης Υγείας στο Πανεπιστήμιο Jyväskylä, εξηγεί ότι η ανάπτυξη μοντέλων τεχνητής νοημοσύνης που διαγιγνώσκουν την πρώιμη οστεοαρθρίτιδα είναι ενεργή σε παγκόσμιο επίπεδο.
“Στο παρελθόν έχουν αναπτυχθεί αρκετά μοντέλα ΤΝ για την ανίχνευση της οστεοαρθρίτιδας του γόνατος. Τα μοντέλα αυτά μπορούν να ανιχνεύσουν σοβαρές περιπτώσεις που θα μπορούσαν εύκολα να εντοπιστούν από οποιονδήποτε ειδικό. Ωστόσο, οι μέθοδοι που αναπτύχθηκαν προηγουμένως δεν είναι αρκετά ακριβείς για την ανίχνευση των πρώιμων εκδηλώσεων. Η μέθοδος που αναπτύσσεται τώρα στοχεύει -συγκεκριμένα- στην πρώιμη ανίχνευση από τις ακτίνες Χ, για την οποία υπάρχει μεγάλη ανάγκη”. Ο στόχος είναι ότι στο μέλλον, μια τεχνητή νοημοσύνη θα είναι σε θέση να ανιχνεύει τα πρώιμα σημάδια της οστεοαρθρίτιδας του γόνατος από τις ακτινογραφίες, καθιστώντας δυνατή την αρχική διάγνωση που θα γίνεται συχνότερα από τους γενικούς ιατρούς. Το έργο πραγματοποιήθηκε σε συνεργασία με την περιφέρεια υγειονομικής περίθαλψης της Κεντρικής Φινλανδίας. Ο διευθύνων σύμβουλος της περιφέρειας υγειονομικής περίθαλψης της Κεντρικής Φινλανδίας και καθηγητής χειρουργικής Juha Paloneva λέει ότι η οστεοαρθρίτιδα σε πρώιμο στάδιο μπορεί να αντιμετωπιστεί αποτελεσματικά. “Εάν μπορούμε να κάνουμε τη διάγνωση σε πρώιμα στάδια, μπορούμε να αποφύγουμε την αβεβαιότητα και τις δαπανηρές εξετάσεις, όπως η μαγνητική τομογραφία. Επιπλέον, ο ασθενής μπορεί να παρακινηθεί να λάβει τα μέτρα για να επιβραδύνει ή ακόμη και να σταματήσει την εξέλιξη της συμπτωματικής οστεοαρθρίτιδας. Στο καλύτερο δυνατό σενάριο, ο ασθενής μπορεί ακόμη και να αποφύγει τη χειρουργική επέμβαση αντικατάστασης άρθρωσης”, συνοψίζει η Paloneva.

Πηγή : Νέα τεχνητή νοημοσύνη: Μπορεί να ανιχνεύσει πρώιμη οστεοαρθρίτιδα από εικόνες ακτίνων Χ