La diagnostica per immagini è un campo complesso in cui l'interpretazione dei risultati può essere impegnativa.
I modelli di intelligenza artificiale possono assistere i medici analizzando le immagini che potrebbero indicare anomalie che portano alla malattia.
Tuttavia, c'è un problema: questi modelli di IA di solito propongono un'unica soluzione quando, in realtà, le immagini mediche hanno spesso molteplici interpretazioni.
Se chiedete a cinque esperti di delineare un'area di interesse, come un piccolo nodulo in una scansione polmonare, potreste ritrovarvi con cinque disegni diversi, in quanto tutti potrebbero avere una propria opinione su dove inizia e finisce il nodulo, ad esempio.
Per affrontare questo problema, i ricercatori del MIT, del Broad Institute del MIT di Harvard e del Massachusetts General Hospital hanno creato Tyche, un sistema di intelligenza artificiale che abbraccia l'ambiguità della segmentazione delle immagini mediche.
La segmentazione comporta l'etichettatura di pixel specifici in un'immagine medica che rappresentano strutture importanti, come organi o cellule.
Marianne Rakic, dottoranda in informatica del MIT e autrice principale della ricerca. studioIl medico spiega: "Avere delle opzioni può aiutare nel processo decisionale. Anche solo vedere che c'è incertezza in un'immagine medica può influenzare le decisioni di qualcuno, quindi è importante tenerne conto".
Chiamata così in onore della dea greca del caso, Tyche genera più segmentazioni possibili per una singola immagine medica per catturare l'ambiguità.
Ogni segmentazione evidenzia regioni leggermente diverse, consentendo agli utenti di scegliere quella più adatta alle proprie esigenze.
Rakic racconta Notizie del MIT"La produzione di più candidati e la garanzia che siano diversi l'uno dall'altro vi dà davvero un vantaggio".
Come funziona Tyche? Vediamo di suddividerlo in quattro semplici passaggi:
- Imparare con l'esempio: Gli utenti forniscono a Tyche una piccola serie di immagini di esempio, chiamate "set di contesto", che mostrano il compito di segmentazione che vogliono eseguire. Questi esempi possono includere immagini segmentate da diversi esperti umani, aiutando il modello a comprendere il compito e le potenziali ambiguità.
- Modifiche alla rete neurale: I ricercatori hanno modificato l'architettura di una rete neurale standard per consentire a Tyche di gestire l'incertezza. Hanno regolato gli strati della rete in modo che le segmentazioni potenziali generate in ogni fase potessero "comunicare" tra loro e con gli esempi del contesto.
- Molteplici possibilità: Tyche è progettato per produrre previsioni multiple basate su una singola immagine medica in ingresso e sul set di contesto.
- Premiare la qualità: Il processo di addestramento è stato modificato in modo da premiare Tyche per la produzione della migliore previsione possibile. Se l'utente chiede cinque previsioni, può vedere tutte e cinque le segmentazioni di immagini mediche prodotte da Tyche, anche se una potrebbe essere migliore.
Uno dei maggiori punti di forza di Tyche è la sua adattabilità. Può affrontare nuovi compiti di segmentazione senza dover essere riqualificato da zero.
Normalmente, i modelli di intelligenza artificiale per la segmentazione delle immagini mediche utilizzano reti neurali che richiedono un addestramento estensivo su grandi serie di dati e competenze di apprendimento automatico.
Al contrario, Tyche può essere utilizzato "fuori dagli schemi" per vari compiti, dall'individuazione di lesioni polmonari nelle radiografie all'identificazione di anomalie cerebrali nelle risonanze magnetiche.
Numerosi studi sono stati condotti nel campo dell'imaging medico dell'IA, tra cui importanti scoperte nel campo dell'intelligenza artificiale. screening del cancro al seno e diagnostica AI che partita o anche battere i medici nell'interpretazione delle immagini.
Guardando al futuro, il team di ricerca intende esplorare l'utilizzo di set di contesti più flessibili, possibilmente includendo testo o più tipi di immagini.
Vogliono anche sviluppare modi per migliorare le peggiori previsioni di Tyche e consentire al sistema di raccomandare i migliori candidati alla segmentazione.
