AI pomaga w opiece nad pacjentami z COVID-19

Nowy algorytm AI do oceny stanu pacjenta z COVID-19 może przydać się w walce z czwartą falą pandemii / EpiGuard AS, Pexels

Narzędzie opracowane przez naukowców z Addenbrooke’s Hospital nosi nazwę EXAM i już zostało przetestowane z udziałem prawdziwych pacjentów z COVID-19. Naukowcy twierdzą, że algorytm sam szacuje zapotrzebowanie na tlen w przedziale od 24 do 72 godzin. W krótszym okresie (24 godziny) czułość testu wynosi 95 proc., a swoistość 88 proc. – informują badacze na łamach magazynu „Nature Medicine”, który dokładnie opisuje eksperyment.

Algorytm został opracowany i przetrenowany przez naukowców z Addenbrooke’s Hospital w Cambridge z wykorzystaniem danych ok. 20 szpitali na całym świecie. Pomoc techniczną świadczyła Nvidia. Algorytm został wytrenowany przy wykorzystaniu informacji o ok. 10 tys. pacjentów, spośród których tylko 250 osób było hospitalizowanych w Cambridge.

Badanie to jest największym medycznym projektem wykorzystującym tzw. uczenie federacyjne (federated learning). To stosunkowo nowa metoda uczenia maszynowego, opisana dopiero w 2017 roku. Nie korzysta ono jednak z jednego centralnego serwera, który obsługuje cały proces uczenia maszynowego, jak w tradycyjnym rozwiązaniu. W uczeniu federacyjnym model jest wysyłany na urządzenia lokalne i trenowany przy użyciu danych wprowadzanych lokalnie. W kolejnym kroku wstępnie wyszkolony model jest przesyłany do centralnego serwera, gdzie efekty działania różnych modeli są oceniane i agregowane. Taki ulepszony model jest ponownie wysyłany na urządzenia lokalne, gdzie poddawany jest kolejnej sesji uczenia (czyli wykorzystywany jest popularny ostatnio model edge computing).

Niezależnie od zastosowania, taki model uczenia maszynowego zapewnia dostęp do bardziej zróżnicowanych danych, a jednocześnie zapewnia ochronę informacji, które nie są nigdzie przesyłane, lecz pozostają dostępne wyłącznie lokalnie. Federated Learning doskonale zatem nadaje się do takich zastosowań, jak analiza informacji pochodzących ze szpitalnych systemów elektronicznej dokumentacji medycznej.

– Model uczenia federacyjnego ma ogromny potencjał wprowadzenia technologii sztucznej inteligencji do praktyki klinicznej – twierdzi radiolożka prof. Fiona Gilbert, która prowadziła badania w Cambridge. – Stworzenie oprogramowania, które dorównuje naszym najlepszym radiologom jest niezwykle skomplikowane, ale w rzeczywistości absolutnie rewolucyjne.

Jak informuje Healthcare IT News, kolejne badania algorytmu EXAM prowadzi amerykański szpital Mass General Brigham. – Dzięki modelowi EXAM oraz obiektywnym i zróżnicowanym informacjom z różnych kontynentów jesteśmy w stanie zbudować narzędzie, które pomoże lekarzom na całym świecie – zapewnia dr Ittai Dayan z Mass General Brigham.

W Addenbrooke’s Hospital prowadzone są natomiast również inne badania algorytmów sztucznej inteligencji – diagnozujące demencję na podstawie badań rezonansem magnetycznym MRI, a także system InnerEye opracowany przez Microsoft Research Cambridge do wykrywania guzów nowotworowych w badaniach obrazowych. HealthcareIT News przypomina również, że Addenbrooke’s Hospital jest pierwszym brytyjskim szpitalem, który uzyskał najwyższy, siódmy poziom, w metodologii EMRAM (Electronic Medical Record Adoption Model) opracowanej przez HIMSS.

Piotr Kościelniak
Dziennikarz specjalizujący się w popularyzacji medycyny i nowych technologii, konsultant ds. wydawniczych

Piotr Kościelniak kierował grupą magazynów popularnonaukowych Focus w wydawnictwie Burda Media Polska, gdzie uruchomił nowe tytuły zajmujące się m.in. medycyną, nowymi technologiami, psychologią i historią. Wcześniej kierował działem Nauki w dzienniku „Rzeczpospolita”, w ramach którego tworzył m.in. Rzecz o Zdrowiu, Styl Życia, a także Ranking Szpitali. Laureat nagród dla popularyzatorów nauki i problematyki medycznej.