– Skupiamy się na wykorzystaniu metod sztucznej inteligencji, w szczególności głębokiego uczenia i konwolucyjnych sieci neuronowych w analizie obrazów medycznych. Pracujemy z badaniami rezonansu magnetycznego ścięgna Achillesa. Nasze rozwiązanie pozwala w automatyczny sposób ocenić kilka standardowych cech, które radiolodzy oceniają w takim badaniu – mówi w rozmowie z agencją Newseria Innowacje Bartosz Borucki z Uniwersytetu Warszawskiego.

Opracowywane przez polskich naukowców rozwiązanie pozwoli w dużej mierze zautomatyzować proces wykonywania i interpretacji badania rezonansem magnetycznym. To z kolei może znacznie skrócić czas, jaki radiolog musi poświęcić na zajmowanie się jednym pacjentem, a w rezultacie – rozwiązać problem długiego oczekiwania na opis badania. W kwietniu minionego roku zostały zniesione limity na badania obrazowe rezonansem, co skróciło kolejki do pracowni RM. W wyniku niedoborów kadrowych znacznie wydłużył się jednak czas od badania do otrzymania jego wyników.

– Badanie rezonansu magnetycznego możemy skrócić mniej więcej do 5-10 minut zamiast 30 minut i zautomatyzować proces oceny. W związku z tym mniej czasu radiologa jest potrzebne do wykonania końcowej oceny, więc na pewno usprawniamy te procesy. Automatyzując część rzeczy, chcemy zwiększyć przepustowość systemu diagnostyki obrazowej. Chcemy też rozwiązać problem związany z wykorzystaniem technik obrazowania rezonansu magnetycznego w ortopedii. Kryje ono bardzo duży potencjał ciągłego wykorzystania. Jeżeli usprawnimy to badanie, zmniejszymy jego czas i obniżymy koszt, będzie można dużo częściej wykorzystywać tę technikę w ortopedii – mówi Bartosz Borucki.

Tymczasem naukowcy na świecie próbują opracowywać alternatywne dla RM metody badania pozwalające uzyskać trójwymiarowy obraz. Izraelski start-up Zebra Medical ogłosił współpracę z irlandzką firmą DePuy (spółką zależną Johnson & Johnson) w zakresie opracowywania i komercjalizacji opartych na pracy sztucznej inteligencji programów tworzących modele 3D na podstawie dwuwymiarowych zdjęć rentgenowskich. Ma to pozwolić uniknąć nadmiernej ekspozycji pacjenta na promieniowanie, z jakim mamy do czynienia w przypadku tomografii komputerowej lub rezonansu magnetycznego.

Zebra Medical już dziś wykorzystuje natomiast uczenie maszynowe do oceny ryzyka, a także występowania złamań osteoporotycznych poprzez klasyfikację i korelację różnych wyników gęstości kości, naśladując wyniki DXA (absorpcjometria rentgenowska podwójnej energii) i analizując strukturę kości. Polskie rozwiązanie może natomiast zrewolucjonizować proces diagnozowania urazów ścięgien i więzadeł.

– Na rynku istnieją cztery podobne rozwiązania w obszarze problematyki mięśniowo-szkieletowej i ortopedycznej. Żadna firma na tę chwilę nie oferuje jednak rozwiązań konkretnie dla ścięgna Achillesa ani w ogóle dla problemów ścięgien i więzadeł. Mamy rozwiązanie, które jest bardzo obiektywne. Daje ono numeryczne, ustrukturyzowane wyniki, zatem nie podlega subiektywizmowi oceny radiologicznej – zapewnia ekspert.

Odbiorcami tego rozwiązania mają być przede wszystkim centra diagnostyki obrazowej, ortopedzi i przychodnie medycyny sportowej. Uniwersytet Warszawski stara się o uzyskanie certyfikatu amerykańskiej Agencji ds. Leków i Żywności  (FDA). Dzięki niemu możliwa stanie się komercjalizacja rozwiązania.

Raport opracowany przez Mordor Intelligence wskazuje, że światowy rynek sztucznej inteligencji w medycynie został w 2019 roku wyceniony na 3,14 mld dol. Do 2025 roku przychody mają sięgnąć niemal 24 mld dol. przy zachowaniu  średniorocznego tempa wzrostu na poziomie ponad 40 proc.