Zespół badawczy Health Futures, działający w ramach Microsoftu, opracował przełomowy model sztucznej inteligencji o nazwie BiomedParse, który może zrewolucjonizować diagnostykę medyczną.
Model ten jest w stanie identyfikować guzy, czerniaka, infekcje płuc i inne poważne schorzenia na podstawie obrazów medycznych, takich jak tomografia komputerowa (CT), rezonans magnetyczny (MRI) czy ultrasonografia. Dzięki zaawansowanym algorytmom SI, lekarze mogą wychwycić subtelne objawy chorób, które wcześniej mogły pozostać niezauważone.
Wyzwania w tradycyjnej diagnostyce obrazowej
W tradycyjnych procedurach diagnostycznych obrazy medyczne są analizowane przez specjalistów, którzy wyszukują oznaki chorób, takie jak nieprawidłowe skupiska komórek, zmiany w strukturze tkanek czy obecność płynu mogącego świadczyć o infekcji. Jednak przy ogromnej liczbie obrazów i ich złożoności, drobne szczegóły mogą umknąć uwadze nawet najbardziej doświadczonych lekarzy. Co więcej, różne etapy analizy – od identyfikacji guza po dokładne określenie jego kształtu i rozmiaru – często wymagają pracy kilku zespołów.
BiomedParse – kompleksowe narzędzie diagnostyczne
BiomedParse eliminuje te problemy, integrując trzy kluczowe funkcje analizy obrazów medycznych: rozpoznawanie obiektów, wykrywanie i segmentację, w jednym procesie. W testach model przewyższył ludzką precyzję w analizie obrazów pochodzących z dziewięciu różnych technik obrazowania, w tym CT, MRI, ultrasonografii, rentgenografii czy dermatoskopii. Twórcy modelu określają go jako „holistyczne” rozwiązanie diagnostyczne, zdolne do wspierania szerokiego spektrum specjalizacji medycznych. Aby stworzyć BiomedParse, wykorzystano technologię GPT-4 od OpenAI oraz zbiór ponad 6 milionów obrazów medycznych obejmujących narządy, tkanki, histologię i różne anomalie. Każdy obraz został wzbogacony o szczegółowe opisy tekstowe, co pozwala modelowi dokładnie analizować kontekst wykrytych zmian.
W praktyce lekarz wprowadza zestaw obrazów, np. skany wątroby, oraz prosty monit tekstowy, np. „sprawdź obecność torbieli”. BiomedParse analizuje obrazy, porównując je z bazą danych i weryfikując, czy widoczne zmiany są zgodne z objawami choroby wskazanej w monicie. Jeśli wykryje nieprawidłowości, informuje lekarza; w przeciwnym razie odrzuca wynik jako negatywny. W testach BiomedParse skutecznie zidentyfikował m.in. czerniaka, torbiele, infekcje płuc COVID-19 oraz guzy w różnych częściach ciała. Dzięki zdolności analizy obrazów medycznych z niespotykaną dotąd precyzją, narzędzie to ma potencjał, by zwiększyć skuteczność wczesnego wykrywania chorób, ratując życie i ograniczając konieczność inwazyjnych badań.
Chociaż Microsoft nie ogłosił jeszcze planów komercjalizacji BiomedParse, jego potencjał wpisuje się w szerszy trend wykorzystywania sztucznej inteligencji w medycynie. Podobne modele SI już teraz wspierają lekarzy w diagnozowaniu raka trzustki, płuc czy piersi.
Arkadiusz Ogończyk