A modell felismeri a műtéti sebeket a betegek által online küldött képeken, majd megállapítja, hogy láthatóak-e rajtuk fertőzés jelei. Több mint húszezer fényképpel képezték ki, azonnal elkezdték használni a gyógyításban.
Az amerikai Mayo Klinika kutatói kifejlesztettek egy olyan mesterséges intelligencia rendszert, amely a bőrgyógyászati AI-alkalmazásokhoz hasonló módon: a betegek által beküldött fényképek alapján képes azonosítani a műtéti sebfertőzéseket. A modell célja, hogy új módszert adjon az orvosok kezébe a műtét utáni ellátásban.
Az Annals of Surgery folyóiratban megjelent tanulmány egy olyan AI-alapú folyamatot mutat be, amely automatikusan azonosítja a műtéti metszéseket, értékeli a képminőséget, és jelzi a fertőzés lehetséges jeleit a sebekről online beküldött fotókon.
Az AI-modellt a Mayo Klinika kilenc kórházának mintegy hatezer páciensétől begyűjtött, több mint húszezer fotó segítségével tanították be.
„Egyre nagyobb igény van arra, hogy a műtéti sebek állapotát nyomon tudjuk követni a járóbeteg-ellátásban. Ez a folyamat, amit jelenleg orvosok végeznek, időigényes, és késleltetheti az ellátást. Az AI-modellünk ugyanakkor automatikusan segít sorba állítani ezeket a képeket, javítva a korai felismerést és gördülékenyebbé téve a kommunikációt a betegek, illetve az ellátó csapat között” – magyarázta a tanulmány egyik szerzője, Cornelius Thiels, a Mayo Klinika hepatobiliaris és hasnyálmirigy-daganatokkal foglalkozó sebésze.
A rendszer kétlépcsős modellt használ: először megállapítja, hogy egy fényképen látható-e műtéti seb, majd értékeli, hogy az mutat-e fertőzésre utaló jeleket. A Vision Transformer névre keresztelt AI-modell 94 százalékos pontosságot ért el a bemetszések felismerésében, és 81 százalékos értéket mutatott a fertőzések azonosításánál.
„Ez a munka alapot teremt az AI-val támogatott műtét utáni sebkezeléshez, ami alapvetően megváltoztathatja azt, ahogyan nyomon követjük a páciensek útját a műtét után. Különösen időszerű megoldásról van szó, mert egyre gyakrabban fordulnak elő járóbeteg-műtétek és online kontrollvizitek” – hangsúlyozta Hala Muaddi, hepato-pancreato-biliáris szakorvos, a tanulmány vezető szerzője.
A kutatók szerint a technológia gyorsabb visszajelzést adhat a betegeknek, illetve csökkentheti a fertőzések kései diagnózisát, a szövődmények kialakulását és a betegellátás költségeit, miközben lehetővé teszi a korai kezelést és jobb ellátást biztosít az otthon lábadozóknak. További validálás után olyan „elsővonalbeli szűrőként” is működhet, amely figyelmezteti az orvosokat a gyanús bemetszésekre.
Az AI mindezen felül lehetőséget teremt olyan algoritmusok fejlesztésére is, amelyek a fertőzés korai, még nem látható jeleit is képesek észlelni.
„A betegek számára ez megnyugvást és korábbi diagnózist jelenthet, az orvosoknak pedig segít abban, hogy az igazán sürgős esetekre koncentrálhassanak – különösen vidéki vagy forráshiányos területeken” – mutatott rá Muaddi.
A modell különféle csoportokon belül is következetes teljesítményt mutatott, így kielégítő választ adhat az algoritmikus torzításokkal kapcsolatos aggodalmakra.
„Abban bízunk, hogy az általunk fejlesztett, nagyméretű adatbázisból tanított AI-modellek alapjaiban alakíthatják át a műtéti utókövetést. Jelenleg is zajlanak olyan előremutató vizsgálatok, amelyek azt mérik fel, hogy ez az eszköz mennyire illeszthető be a mindennapi sebészeti ellátásba” – mondta Hojjat Salehinejad vezető kutató, a tanulmány társszerzője.
A címlapképen: Dr. Hala Muaddi műtét közben. Fotó: Mayo Klinika
Nukleáris hatósági találkozót tartottak Csehországban, amelynek fókuszban az új atomerőművi blokkok, a kis moduláris reaktorok, valamint a hosszú távú üzemeltetés volt.