Jednym ze sposobów oceniania stanu zdrowia pacjenta jest analiza wyników badań uzyskanych różnymi metodami obrazowania, np. tomografią komputerową. Lekarze dokonują analizy ręcznie. Sposób ten jest czasochłonny, a także podatny na błędy.

 – Według statystyk obecnie radiolog spędza blisko dwie godziny na analizie i opisie wyników badań PET/MRI pojedynczego pacjenta – mówi dr inż. Tomasz Leś z Wydziału Elektrycznego PW.

Automatycznie zrekonstruowana nerka 3D wraz z podejrzaną zmianą

Systemy, nad którymi pracują politechniczni naukowcy mają usprawnić ten proces. Na podstawie bazy danych obrazowych, które stanowią rzeczywiste dane (archiwalne i anonimowe) opracowane przez Warszawski Uniwersytet Medyczny, Wojskowy Instytut Medyczny oraz Dolnośląskie Centrum Onkologiczne, programy do przetwarzania obrazów uczą się rozpoznawania zmian chorobowych.

– Im więcej obrazów, w tym tych nietypowych, dostarczą nam lekarze, tym lepsze narzędzie, wspomagające ich pracę, jesteśmy w stanie opracować – mówi dr Leś.

Powstałe narzędzia, dzięki sztucznej inteligencji i analizie wielu zdjęć, oraz ich końcowa aplikacja umożliwią automatyczną analizę wyników, która zostanie przeprowadzona w zaledwie kilka minut. Dodatkowo, narzędzia te pozwolą na wspólną analizę wyników uzyskanych różnymi metodami obrazowania – będą mogły przeprowadzić diagnostykę na różnych poziomach, nie skupiając się wyłącznie na jednym organie lub jednostce chorobowej.

Proces automatycznej detekcji zmian na skórze (czerniak)

Międzynarodowa współpraca

– Przy realizacji projektu współpracujemy z naukowcami z Uniwersytetu w Barcelonie i we Włoszech, którzy zajmują się matematycznymi technikami przetwarzania obrazów i polepszania jakości tych obrazów, co jest bardzo istotnym wsparciem dla naszych badań – mówi dr Leś. –Dzięki temu co robią zagraniczne ośrodki, z którymi współpracujemy, możemy osiągać lepsze wyniki. Ta kolaboracja pozwala nam łączyć różne metody i tworzyć większe systemy, które potem ze sobą współdziałają – dodaje.

-
Projekt „Rozwój metod uczenia maszynowego do wspomagania diagnostyki medycznej ”jest finansowany z grantu badawczego Centrum Badawczego POB Sztuczna inteligencja i robotyka programu Inicjatywa Doskonałości - Uczelnia Badawcza, który realizowany jest na Politechnice Warszawskiej.

Skład zespołu badawczego:
dr inż. Tomasz Leś; dr inż. Żaneta Świderska-Chadaj, dr hab. inż. Krzysztof Siwek, profesor uczelni; prof. dr hab. inż. Tomasz Markiewicz; prof. dr hab. inż. Stanisław Osowski; mgr inż. Estera Kot