211service.com
IBMs automatiske radiolog kan læse billeder og lægejournaler
Det meste af smart software, der bruges i dag, er specialiseret i én type data, det være sig at fortolke tekst eller gætte på indholdet af billeder. Software under udvikling hos IBM skal gøre alt dette på én gang. Det er under uddannelse til at blive radiologassistent.
Softwaren er kodenavnet Avicenna, efter en filosof fra det 11. århundrede, der skrev et indflydelsesrigt medicinsk leksikon. Det kan identificere anatomiske træk og abnormiteter i medicinske billeder, såsom CT-scanninger, og trækker også på tekst og andre data i en patients journal for at foreslå mulige diagnoser og behandlinger.
Avicenna er beregnet til at blive brugt af kardiologer og radiologer til at fremskynde deres arbejde og reducere fejl, og er i øjeblikket specialiseret til kardiologi og brystradiologi. Det bliver i øjeblikket testet og tunet op ved hjælp af anonymiserede medicinske billeder og journaler. Men Tanveer Syeda-Mahmood , en forsker ved IBMs Almaden-forskningslaboratorium nær San Jose, Californien, og chefforsker på projektet, siger, at hendes team og andre i virksomheden allerede gør sig klar til at begynde at teste softwaren uden for laboratoriet på store mængder af rigtige patientdata. Vi er i gang med forberedelserne til kommercialisering, siger hun.
Avicenna ser på medicinske billeder ved hjælp af en række forskellige billedbehandlingsalgoritmer med forskellige specialiteter. Nogle er blevet trænet til at bedømme, hvor langt nede i en patients brystkasse en CT-scanningsskive er fra, f.eks. Andre kan identificere organerne eller mærke abnormiteter såsom blodpropper. Nogle af disse billedkomponenter bruger en teknik kaldet deep learning, som for nylig har givet store spring i nøjagtigheden af billedgenkendelsessoftware (se AI Advances gør det muligt at søge, shoppe med billeder).
Billedbehandlingsalgoritmerne arbejder sammen med andre, der er blevet trænet til at fortolke tekst og testresultater i lægejournaler. Avicenna har et ræsonnementssystem, der trækker på outputtet fra alle de forskellige signaler for at foreslå mulige diagnoser for en patient. Det viser et resumé af den begrundelse til den person, der arbejder med softwaren.
IBMs Avicenna-software fremhævede mulige embolier på denne CT-scanning med grønt og fandt for det meste de samme problemer som en menneskelig radiolog, der markerede billedet med rødt.
I en demo af systemet viste Syeda-Mahmood, at Avicenna tog sagen om en 28-årig kvinde, der klagede over åndenød. Patientens journal omfattede pulmonale angiogrambilleder af blodkarrene omkring hendes lunger, nogle blodprøver og tekst, der bemærkede, at hendes mor havde oplevet flere spontane aborter.
Avicenna vidste, at familiehistorie kan være forbundet med en tendens til at danne blodpropper, som kan føre til aborter, viden, der ændrede, hvordan den analyserede angiogrambillederne. Softwaren foreslog lungeemboli som den mest sandsynlige diagnose og fremhævede flere mulige embolier i patientens venstre og højre lungearterier. Når en radiolog uafhængigt gennemgik den samme sag, stillede han eller hun den samme diagnose og fremhævede mere eller mindre nøjagtig de samme embolier.
IBM'er er ikke de eneste forskere, der forsøger at bygge software, der kombinerer tekst og andre journaldata for at fungere som en radiolog. Men Kenji Suzuki , en lektor ved forskningscentret for medicinsk billeddannelse ved Illinois Institute of Technology, siger, at IBMs kommercielle ambitioner for Avicenna er unikke. Ingen anden virksomhed forsøger eller forestiller sig den totale integration af tekst, strukturerede data og medicinsk billedbehandling, siger han.
Men baseret på, hvad han har set fra projektet indtil videre, siger Suzuki, at Avicennas billedbehandling og diagnostiske kræfter stadig skal blive mere præcise og fleksible. Selv efter at have foretaget disse forbedringer, for at opnå et betydeligt salg, skal IBM have sin automatiserede hjælper til at integrere med eksisterende hospitals-IT-systemer og bevise, at det har økonomiske fordele – såsom at reducere de samlede hospitalsomkostninger, forsikringsgodtgørelse eller risikoen for retssager, siger Suzuki.
Syeda-Mahmood siger, at det at gøre Avicenna mere præcis er en af hendes teams topprioriteter, selvom målet er at hjælpe radiologer, ikke erstatte dem. Og hun mener, at IBM har en fordel frem for andre, der forsøger at bygge denne form for software.
Det er fordi at gøre et maskinlæringssystem mere præcist kræver, at det tilføres en masse eksempeldata for at justere dets evner. IBM har allerede samlet en meget stor samling af medicinske billeder og journaler og er i gang med at gøre den meget større.
Sidste år erhvervede virksomheden en samling af milliarder af medicinske billeder, da den købte virksomheden Merge Healthcare. Disse billeder er endnu ikke tilgængelige for Avicenna, men når de er, kan de hjælpe med at gøre softwaren mere nøjagtig, siger Syeda-Mahmood. Projektet kan også få et skub fra 50 millioner anonymiserede elektroniske sundhedsjournaler, som IBM modtog ved opkøbet sidste år af en startup kaldet Explorys.