Αυτό το λογισμικό μπορεί να εγκατασταθεί σε οποιονδήποτε υπολογιστή. Αναλύει τα αποτελέσματα της υπολογιστικής τομογραφίας (CT) των ασθενών εντός 20 δευτερολέπτων και παρέχει μια εικόνα στην οποία διακρίνεται ξεκάθαρα το παθολογοανατομικό υπόστρωμα του όγκου.

Οι ερευνητές έχουν ονομάσει το σύστημα Doctor AIzimov (AI για Τεχνητή Νοημοσύνη) προς τιμήν του συγγραφέα επιστημονικής φαντασίας Isaac Asimov, ο οποίος ανέπτυξε τους τρεις διάσημους νόμους της ρομποτικής.

To λογισμικό Τεχνητής Νοημοσύνης μπορεί να εμφανίσει καρκινικά οζίδια καρκίνου του πνεύμονος μέσα σε 20 δευτερόλεπτα, ακόμη κι όταν αυτά έχουν διάμετρο μικρότερη των 6 mm [Image courtesy of Peter the Great St. Petersburg Polytechnic University].

Στα τέλη του 2018, πραγματοποιήθηκαν οι πρώτες δοκιμές αυτού του ευφυούς συστήματος. Το σύστημα ανέλυσε ανώνυμα εικόνες CT 60 ασθενών του Ογκολογικού Κέντρου. Σύμφωνα με τους ακτινολόγους, οι δοκιμές ήταν επιτυχείς, καθώς το σύστημα έχει εντοπίσει εστιακά οζίδια σε πνεύμονες, μικρών διαστάσεων (2 mm).

"Αρχικά, δημιούργησαν έναν αλγόριθμο ξεκινώντας την αναζήτηση οζιδίων, από 6 χιλιοστά και πάνω, επειδή οι ίδιοι οι ακτινολόγοι αρχίζουν τη θεραπεία όγκων αυτού του μεγέθους. Αλλά το σύστημα είναι τόσο έξυπνο που κατάφερε να ανιχνεύσει οζίδια ακόμη μικρότερου μεγέθους, δήλωσε ο Lev Utkin, που ήταν ο επικεφαλής της έρευνας και διευθυντής του ερευνητικού εργαστηρίου SPbPU Τεχνολογιών Νευρωνικών Δικτύων και Τεχνητής Νοημοσύνης,

Στην ερευνητική ομάδα συμμετείχαν το επιτελείο του Πανεπιστημίου (Lev Utkin, Mikhail Ryabinin, και Alexei Lukashin) οι ειδικοί του Ογκολογικού Κέντρου της Αγίας Πετρούπολης (η επικεφαλής του Τμήματος Ακτινολογίας Anna Meldo και ο ακτινολόγος Ιβάν Προκόροφ). Το έργο υποστηρίχθηκε από το Ρωσικό Ίδρυμα Επιστημών.

Βάσει αυτής της έρευνας προτάθηκε μια νέα ανεπτυγμένη προσέγγιση για την ταξινόμηση του καρκίνου του πνεύμονος χρησιμοποιώντας τη μέθοδο της χορδής [chord method], που κατοχυρώθηκε το δίπλωμα ευρεσιτεχνίας της, μόνον μέσα σε τρεις μήνες.

Η μέθοδος των χορδών χρησιμοποιεί τμηματικές CT απεικονίσεις: Τα σημεία τραβιούνται τυχαία στην επιφάνεια ενός οζιδίου και κατόπιν συνδέονται με γραμμές (χορδές).
Το μήκος του ιστογράμματος των χορδών αντανακλά το σχήμα και τη δομή του όγκου. Αν και το σύστημα εξετάζει κάθε οζίδιο εκ των έσω, το εξωτερικό του περιβάλλον είναι επίσης πολύ σημαντικό. .
Για να γίνουν γνωστά περισσότερα σχετικά με τον όγκο, αυτός τοποθετείται σε έναν κύβο και σύρονται κάθετες γραμμές αι από τις άκρες του προς την επιφάνεια του οζιδίου.

Έτσι, αντί να ταξινομηθούν γραφικά περίπλοκες και βαριές απεικονίσεις του CT (το μέγεθος κάθε CT εικόνας είναι περίπου 1 GB), το οζίδιο εκπροσωπείται με τη μορφή συμπαγών και απλών ιστογραμμάτων, τα οποία στη συνέχεια αναλύονται με το σύστημα Doctor AIzimov.

Οι επιστήμονες έχουν επίσης εκπαιδεύσει το σύστημα για να διακρίνει κακοήθεις και καλοήθεις όγκους. "Πολλά διαφορετικά αντικείμενα μπορούν να ανιχνευθούν στις εικόνες CT, οπότε το κύριο καθήκον ήταν να εκπαιδευτεί το σύστημα να αναγνωρίζει τι αντιπροσωπεύει κάθε αντικείμενο.

Δρ Γκέλης Δημήτριος   Ιατρός, Ωτορινολαρυγγολόγος, Οδοντίατρος, Διδάκτωρ Της Ιατρικής Σχολής Του Πανεπιστημίου Αθηνών     Δαμασκηνού 46,  Κόρινθος 20100, τηλ. 2741026631, 6944280764 pharmage@otenet.gr  www.pharmagel.gr ΙΔΙΑΙΤΕΡΑ ΕΝΔΙΑΦΕΡΟΝΤΑ: Προληπτική Ιατρική, Πρόληψη του καρκίνου, Περιβαλλοντική Ιατρική, Αντκαρκινική διατροφολογία, Κλινική Φαρμακολογία,  Συμπληρωματική Ιατρική

Χρησιμοποιώντας την κλινική και ακτινολογική ταξινόμηση, προσπαθούν να εκπαιδεύσουν το σύστημα όχι μόνο να ανιχνεύει όγκους αλλά να διακρίνει και άλλες ασθένειες παρόμοιες με τον καρκίνο », σχολιάζει η Anna Meldo, η επικεφαλής του Τμήματος Ακτινολογίας του Κλινικού Ερευνητικού Κέντρου της Αγίας Πετρούπολης για τους εξειδικευμένους τύπους Ιατρικής Φροντίδας (Ογκολογικοί).

Το σύστημα εκπαιδεύτηκε αναλύοντας 1000 CT εικόνες από τα σύνολα δεδομένων LUNA 16 και LIDC. Οι Ρώσοι ερευνητές έχουν 

επίσης συλλέξει το δικό τους σύνολο δεδομένων που ονομάζεται LIRA [- Lung Intelligence Resource Annotated]. Επί του παρόντος, το σύνολο δεδομένων περιέχει CT εικόνες περίπου 250 ασθενών. Οι επιστήμονες σχεδιάζουν να αυξήσουν τον αριθμό των εικόνων κατά τέσσερις φορές στα μέσα του 2019.

Με κάθε νέα εικόνα CT, το σύστημα βελτιώνεται αυτόματα. Για να επιταχυνθούν οι διαδικασίες μάθησης και δοκιμών, οι ερευνητές χρησιμοποιούν τις δυνατότητες του υπερυπολογιστικού κέντρου «Πολυτεχνείο». Στο μέλλον, οι εικόνες CT του ασθενούς θα μεταφέρονται στον υπερυπολογιστή χρησιμοποιώντας το διαδίκτυο.

Αυτή η προσέγγιση επιτρέπει τη μείωση του χρόνου διαγνωστικού ελέγχου ανά ασθενή από 20 έως 2 δευτερόλεπτα. Στη συνέχεια, ένας ακτινολόγος θα λάβει την επισημασμένη εικόνα αντί της μεγάλης εικόνας CT. Θα μειώσει σημαντικά τον χρόνο που απαιτείται για την ανάλυση και τη διάγνωση.

Η ανοιχτή δοκιμή του ευφυούς συστήματος θα διεξαχθεί στις αρχές του 2019. Το σύστημα θα χρησιμοποιηθεί αρχικά στο Κέντρο Κλινικών Ερευνών της Αγίας Πετρούπολης για ειδικούς τύπους ιατρικής περίθαλψης (Ογκολογικοί ασθενείς).
Η ανοικτή δοκιμή του ευφυούς συστήματος θα διεξαχθεί στις αρχές του 2019. Αρχικά, το σύστημα θα χρησιμοποιηθεί Κέντρο Κλινικών Ερευνών της Αγίας Πετρούπολης για τους εξειδικευμένους τύπους Ιατρικής Φροντίδας (ογκολογία).

Στο μέλλον, το έργο θα επεκταθεί και θα συμμετάσχουν περισσότεροι ιατρικοί οργανισμοί στην ευφυή επεξεργασία εικόνας CT. Το σύστημα θα προσαρμοστεί για να αναλύσει τα αποτελέσματα της υπερηχογραφικής και ακτινογραφικής ιατρικής έρευνας άλλων οργάνων. Όλα τα δεδομένα θα υποβληθούν σε επεξεργασία από τον υπερυπολογιστή και τα αποτελέσματα που θα εκδοθούν από το σύστημα θα στέλνονται στους γιατρούς, προκειμένου για να αποφασίσουν για τη θεραπεία που θα εφαρμόσουν.

ιβλιογραφική Τεκμηρίωση

А.А. Мелдо1,2, Л.В. Уткин2 , В.М. Моисеенко. АЛГОРИТМЫ ДИАГНОСТИКИ XXI ВЕКА. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В РАСПОЗНАВАНИИ РАКА ЛЁГКОГО [XXI CENTURY DIAGNOSTIC ALGORITHMS. ARTIFITIAL INTELLIGANCE IN LUNG CANCER DETECTION]. А.А.  Prctical oncology. Т. 19, №3 – 2018, pp. 292-296. DOI 10.31917/1903292