Radiolozi počinju koristiti AI temeljene modele računalne vizije kako bi ubrzali proces analiziranja medicinskih snimaka. Međutim, ti modeli za postizanje dosljednih i točnih rezultata zahtijevaju velike količine pažljivo označenih podataka za obuke, što znači da radiolozi moraju i dalje posvetiti značajno vrijeme označavanju medicinskih slika.
Međunarodni tim kojeg vodi profesor Alan Yuille s Johns Hopkins Bloomberg Distinguished ima rješenje: AbdomenAtlas, najveći dosad postoji dataset abdominalnih CT snimaka, s više od 45.000 3D CT snimaka 142 označene anatomski strukture iz 145 bolnica širom svijeta – više od 36 puta veći od najbližeg konkurenta, TotalSegmentator V2.
Dataset i njegove implementacije nalaze se u časopisu Medical Image Analysis.
Prijašnji datasetovi abdominalnih organa prikupljali su se tako što su radiolozi ručno prepoznavali i označavali pojedinačne organe na CT snimcima, što je zahtijevalo tisuće sati ljudskog rada.
“Označavanje 45.000 CT snimaka s 6 milijuna anatomskih oblika zahtijevalo bi da stručni radiolog počne raditi oko 420. pr. Kr. – u doba Hipokrata – kako bi završio zadatak do 2025. godine”, kaže glavni autor Zongwei Zhou, asistent za istraživanje u Odjelu za računarstvo Whiting School of Engineering.
Rješavajući ovaj ogroman izazov, tim s Hopkinsa koristio je AI algoritme kako bi dramatično ubrzao ovaj zadatak označavanja organa. Radeći s 12 stručnih radiologa i dodatnih medicinskih učenika, završili su projekt u manje od dvije godine, koji bi ljudima trebalo više od dva tisućljeća.
Metoda istraživača kombinira tri AI modela trenirana na javnim datasetovima označenih abdominalnih snimaka kako bi predvidjeli anotacije za neoznačene datasetove. Koristeći kolorirane karte za istaknuti područja koja zahtijevaju doradu, metoda identificira najkritičnije dijelove predviđanja modela za ručni pregled radiologa. Ponavljanjem ovog procesa – AI predviđanje slijedi ljudski pregled – značajno ubrzavaju proces označavanja, postižući 10 puta brži tempo za tumorе i 500 puta za organe, navode istraživači.
Ovim pristupom tim može proširiti opseg, razmjere i preciznost svoje dataseta bez opterećenja radiologa, čime dobivaju ono što tim navodi kao najveći potpuno označeni dataset abdominalnih organa u postojanju. Nastavljaju dodavati više snimaka, organe i i stvarne i umjetne tumore kako bi pomogli u obuci novih i postojećih AI modela za prepoznavanje rakastih izraslina, dijagnosticiranje bolesti i čak stvaranje digitalnih blizanaca stvarnih pacijenata.
“Omogućavajući AI modelima da nauče više o povezanim anatomskim strukturama prije obuke na domenama s ograničenim podacima – poput identifikacije tumora – uspjeli smo postići da AI djeluje slično kao prosječni radiolozi u nekim zadaćama otkrivanja tumora”, izvještava prvi autor Wenxuan Li, diplomac računarstva koji ga vodi Yuille.
AbdomenAtlas također služi kao referenca koja omogućava drugim istraživačkim grupama da procjene točnost svojih algoritama za medicinsku segmentaciju. Što više podataka koriste za testiranje ovih algoritama, bolje se može jamčiti njihova pouzdanost i performanse u složenim kliničkim scenarijima, navode istraživači s Hopkinsa.
Tim se obvezao na konačno objavljivanje AbdomenAtlasa javnosti i postavljanje novih izazova medicinske segmentacije koristeći ga, poput izazova BodyMaps na 27. međunarodnoj konferenciji o medicinskoj slici računarstva i računalnoj pomoći u listopadu prošle godine. Cilj ovog izazova bio je poticati AI algoritme koji ne samo da dobro funkcionišu teorijski, već i oni koji su praktički učinkoviti i pouzdani u kliničkim postavkama.
Unatoč napretku omogućenom AbdomenAtlasom, njegovi tvorci napominju da dataset pokriva samo 0,05% CT snimaka godišnje prikupljenih u Sjedinjenim Državama i pozivaju druge institucije da pomognu u popunjavanju praznina.
“Suradnja između institucija ključna je za ubrzanje dijeljenja podataka, označavanja i razvoja AI-a”, pišu istraživači. “Nadamo se da će naš AbdomenAtlas postaviti scenu za veće kliničke studije i pružiti izvanredne mogućnosti stručnjacima u zajednici medicinskih slika.”
Dijagnostika raka će koliko za par godina postati nepotrebna jer je već dosta metoda vrlo uspešnog lečenja pred odobrenjem za široku upotrebu. Uz preventivnu upotrebu tih lekova (jer će biti u velikoj meri bezbedni) te bolesti gotova da neće ni biti.
A stižu i nova mRNA za rak
AI može odlično poslužiti za otkrivanje prirodne gluposti.
Hahaha, opet promocija ko fol koristi od digitalnog tamničara i gospodara svih osam milijardi stoke…..iskihat če te nanis tu korist vi koji povjerujete u ove laži, prevare i obmane, uskoro….
Isto tako i vracare mogu pomoci u ranom dijagnostikovanju raka.
Bilo bi dobro organizovati takmicenje izmedju AI i vracara da vidimo ko ce vise raka otkriti.
Može AI mnogo toga pomoći ali… Umjetna inteligencija je kreirana da nam stvara probleme, a ne da ih rješava pa očekivati da će ona biti od pomoći kod karcinoma, malo je vjerojatno. Vidimo koliko se sustav trudi da nas cijepi s raznim bućkurišima koji nam stvaraju zdravstvene probleme, između ostalog i rak. I onda će taj isti sustav angažirati UI da nam pomogne kod karcinoma?! UI je globalistički alat, a globalistima nije u interesu da budemo zdravi.
AI se pokušava prikazati kao Bog , kao svemogući i to je sad već očito. Na sve načine se prikupljaju podaci ! Nadam se da će doći do konfuzije i gašenja sustavi propasti morbidnih planova! Da će biti onih koji će UI namjerno osujetiti i uništiti jer je stvorena protiv čovjeka i ako netko nešto ne poduzme zlo se piše!
Hm, znači AI definitivno mijenja doktore u dijagnostici…(?)… ali što im to znači kada će i dalje pacijente ubijati (ups!) “liječiti” kemoterapijom i zračenjem, samo što to neće činiti samo onima koji imaju već vidljive simptome, Ai će pomoći da sa “liječenjem” počnu i oni koji još nemaju simptoma (i koje mnogi, do u duboku starost, ne bi ni imali)….
Hajmo braćo svi na “preventivne” preglede kod AI !
zivjeli smo u coporima i jeli crve i zireve. nismo morali znati gdje je onaj drugi.
lovili smo u coporima i slijedili zivotinje. morali smo znati gdje je drugi lovac, vidjeti ga.
stavili smo zivotinje u tor. morali smo ograditi i svoj tabor.
posadili smo kupus. morali smo se nastaniti pokraj (posaditi i sebe).
napravili smo stroj sa rotirajucim ponavljajucim radnjama. morali smo poceti smjenu na vrijeme, postati precizni isto kao stroj.
napravili smo virtualni svijet. druzimo se i razgovaramo online.
kakav alat takvi mi.
Za sve one koje zanima ova tema preporucujem da pogledaju emisiju na siteu Odysse na kanalu Sputnik Srbija, pod naslovom: Kad stiže u Srbiju ruska vakcina protiv raka | Svet sa Sputnjikom.
Rusi vec neko vrijeme vrlo uspjesno razvijaju personaliziranu vakcinu (bolje reci vakcine!) protiv raka razlicitih vrsta. Iako postoje slicna istrazivanja i na Zapadu, Rusi su jako daleko dogurali zahvaljujuci svojem svojoj zanosti i prvenstveno razvoju AI, tako da su u mogucnosti izraditi lijek za petnaestak dana, za razliku od ekvivalentnih lijekova u npr. Njemackoj za koje je potrebno 10-12 mjesecu.
Trenutno se provode klinicka istrazivanja za nekoliko vrsta raka, a istovremeno se radi i na univerzalnom personaliziranom cjepivu.
Nadam se da ce vas ovo zainteresirati, pogotovo ako ste u svojoj okolini ili obitelji imali nekoga tko je obolio ili umro od raka i da ce usutkati sve ove glupe komentare koji su se pojavili ispod ovoga clanka.
Sve ovo je su mnjivo iz više razloga:
1) postoje druge napredne metode za utvrđivanje raka/ ranog raja.
Npr markeri.
2) vidjeli smo da AI može napraviti puno slika i odgonetnuti što piše na zamotanom svitku, a kao ne može definirati organe na slici?
Svaki dan u svakom ljudskom organizmu stvaraju se razni mali rakovi.
Ali ih organizam eliminira na razne načine.
AI nemre NIŠT ! Sviranje k. !
…”rano otkrivanje” – to ima samo jedan cilj a to je povećati “bazen” u kojem farmaceutska industrija bolesti lovi svoj profit plasirajući doživotne lijekove , i naravno lijekove treba početi uzimati što ranije .Sve pozive za preventivne preglede koje dobijem pokidam ,ne otvarajući, uz “marš u 3PM” jer znam da su mi upućeni sa zločinačkom namjerom.