Bagaimana Artificial Intelligence Mendiagnosis Penyakit dalam MRI Scan

Bagaimana Artificial Intelligence Mendiagnosis Penyakit dalam MRI Scan

Dengan kecerdasan buatan, mesin sekarang dapat memeriksa ribuan gambar medis dan miliaran piksel dalam gambar ini. Untuk mengidentifikasi pola yang terlalu halus untuk diidentifikasi oleh ahli radiologi atau ahli patologi.

Mesin kemudian menggunakan informasi ini untuk mengidentifikasi keberadaan suatu penyakit atau memperkirakan agresivitasnya. Kemungkinan bertahan hidup, atau respons potensial terhadap pengobatan.

Kami adalah teknisi di Center for Computational Imaging dan Personalised Diagnostics. Tim kami bekerja dengan dokter dan ahli statistik untuk mengembangkan dan memvalidasi jenis alat ini.

Banyak yang khawatir bahwa teknologi ini bertujuan untuk menggantikan dokter. Namun kami yakin teknologi ini akan bekerja bersama-sama dengan manusia.  Membuatnya lebih efisien dan membantu mengambil keputusan pada kasus yang rumit.

Pembelajaran Mesin dan Gambar Medis

Dalam sebuah penelitian, para peneliti di Stanford menunjukkan bahwa mesin sama akuratnya dengan ahli kulit terlatih. Dalam membedakan kanker kulit dari lesi jinak dalam 100 gambar uji.

Di sisi lain, ilmuwan komputer di Google menggunakan pendekatan AI yang disebut pembelajaran mendalam. Untuk secara akurat mengidentifikasi pasien mana yang menderita retinopati diabetik. Konstelasi perubahan retina akibat diabetes dari foto retina beresolusi tinggi. Proyek pembelajaran mendalam lainnya di Google berhasil memprediksi risiko penyakit kardiovaskular dari gambar retina.

Grup kami telah mengembangkan cara baru untuk mengidentifikasi penyakit dalam pemindaian seperti MRI dan CT, serta gambar slide jaringan digital.

Dalam gambar biopsi jaringan jantung dari 105 pasien penyakit jantung. Algoritme kami memprediksi dengan akurasi tinggi pasien mana yang akan mengalami gagal jantung.

Dalam studi lain yang melibatkan pemindaian MRI dari pasien kanker prostat. Algoritme komputer kami mengidentifikasi penyakit yang signifikan secara klinis di lebih dari 70 persen kasus di mana ahli radiologi melewatkannya. Dalam setengah dari kasus di mana ahli radiologi secara keliru mengira bahwa pasien menderita kanker prostat agresif. Mesin dapat mengidentifikasi dengan benar bahwa tidak ada penyakit yang signifikan secara klinis.

Memprediksi Hasil dan Respon Pengobatan

Tim kami juga telah mengembangkan pendekatan untuk memprediksi respons pasien terhadap terapi tertentu dan memantau perawatan awal.

Ambil kasus imunoterapi. Obat imunoterapi meningkatkan pertahanan kekebalan tubuh untuk melawan kanker. Mereka telah menunjukkan janji yang luar biasa dibandingkan dengan kemoterapi tradisional, tetapi peringatan tertentu membatasi penggunaannya secara luas. Hanya sekitar 1 dari 5 pasien dengan kanker paru-paru yang mungkin benar-benar menanggapi rejimen imunoterapi. Selain itu, terapi ini menghabiskan biaya hingga US $200.000 per pasien per tahun. Dan dapat memiliki efek toksik pada sistem kekebalan. Dokter membutuhkan cara untuk menentukan secara akurat pasien mana yang mungkin mendapat manfaat.

Untuk mengidentifikasi kemungkinan respons yang berhasil sebelum terapi dimulai. Lab kami sedang membangun perangkat lunak untuk memeriksa CT scan diagnostik rutin tumor paru-paru. Perangkat lunak ini melihat tekstur, intensitas dan bentuk tumor, serta bentuk pembuluh yang memberi makan nodul. Informasi ini dapat membantu ahli onkologi mengoptimalkan dosis terapi atau mengubah rencana perawatan pasien.

Ada banyak kanker dan penyakit lain di mana alat komputasi untuk memprediksi agresivitas penyakit atau respons pengobatan dapat membantu dokter. Misalnya, sebuah penelitian yang diterbitkan pada tahun 2018. Membandingkan wanita dengan kanker payudara yang telah dirawat dengan kemoterapi adjuvan atau terapi endokrin standar. Untuk sekitar 70 persen pasien, kemoterapi tidak menunjukkan manfaat dibandingkan dengan pendekatan standar. Mencegah kemoterapi yang tidak perlu dan seringkali merusak menjadi masalah utama bagi dokter. Namun, saat ini, satu-satunya cara untuk memprediksi hasil bergantung pada tes genom mahal yang menghancurkan jaringan.

Kami sedang mengerjakan cara baru untuk menginterogasi gambar jaringan digital dari biopsi payudara. Proyek baru kami sedang menguji teknologi pada wanita penderita kanker payudara di Tata Memorial Hospital di Mumbai, India.

Teknologi Ini Memudahkan Para Dokter

Ada peluang besar bagi dokter, ahli radiologi, dan ahli patologi untuk memperkaya keputusan mereka dengan kecerdasan buatan. Hal itu terutama benar dalam hal membangun rencana perawatan yang disesuaikan dengan pasien individu.

Sebelum teknologi semacam itu dapat digunakan di rumah sakit. Peneliti seperti kami perlu melakukan tes lebih lanjut untuk memastikannya dapat diandalkan dan valid. Ini dapat dilakukan dengan melakukan tes di berbagai institusi medis.

Penting juga bagi dokter untuk dapat menafsirkan teknologi tersebut. Mereka tidak mungkin mengadopsi teknologi yang tidak dapat dijelaskan oleh penelitian biologi yang ada. Misalnya, perangkat lunak tumor paru-paru kami melihat pada bentuk pembuluh karena penelitian menunjukkan. Bahwa tingkat keruwetan pembuluh yang memberi makan tumor dapat berdampak negatif pada pemberian obat.

Itulah mengapa sangat penting bagi peneliti kecerdasan buatan seperti kami. Untuk melibatkan dokter di awal proses pengembangan sebagai kolaborator yang setara.

Related Post