Hız ve doğruluk: Yapay Zeka sayesinde BT taramaları kısa sürede daha güvenli bir inceleme haline gelecek. Gerçekten de Journal of Medical Imaging’de bir araştırma yayınlandı ve bir algoritma sayesinde hastalara uygulanacak radyasyon seviyelerinin ince ayarını yapmanın nasıl mümkün olacağını gösteriyor. Floransa Üniversitesi Fizik ve Astronomi Bölümü, Careggi Üniversite Hastanesi ve Yerel Sağlık Otoritesi Toscana Centro’dan bir grup araştırmacı, medikal fizikçi ve radyolog, liderliğindeki proje üzerinde çalışıyor. Sandra Doria Floransa Ulusal Araştırma Konseyi’nin (Cnr-Iccom) Organometalik Bileşikler Kimya Enstitüsü’nden Dr. Yüksek Sağlık Enstitüsü ve Trento’daki Bruno Kessler Vakfı da, Uniser Pistoia tarafından sağlanan hesaplamalı kaynakları kullanarak projede işbirliği yaptı.
Metaverse: tıp ve sağlık hizmetlerinin yeni sınırı
kaydeden Irma D’Aria
13 Mart 2023
Tac’ın ‘gücü’
Bilgisayarlı tomografi, modern tıbbın elinde bulunanlar arasında en güçlü ve birleştirilmiş teşhis araçlarından biridir. Ancak bu metodoloji ile elde edilen görüntülerin manuel analizi çok zaman gerektirir ve kalitesi hastanın maruz kalması gereken X-ışını radyasyon miktarı ile doğru orantılıdır.
Dijital sağlık: vatandaşa yakın daha verimli bir sağlık sistemi için kamu ve özel birlikte
kaydeden Irma D’Aria
27 Temmuz 2022
Algoritmanın oluşturulması
Araştırmacılar, hastaya radyasyonu azaltmak için yapay zekayı kullanarak bilgisayarlı tomografi (BT) incelemelerinde görüntü kalitesini değerlendirme sürecini otomatikleştirmeyi başardılar. “Grubumuz – açıklıyor Sandra Doria (Cnr-Iccom), araştırma koordinatörü – insan dokularının özelliklerini kopyalamak amacıyla oluşturulan bir fantomun BT görüntüleri üzerinde birkaç radyolog tarafından gerçekleştirilen görsel incelemeden elde edilen verileri analiz eden bir algoritma oluşturdu. yapay yaralanmaların varlığı. Daha sonra, daha önce toplanan görüntüler ve doktorlardan alınan yanıtlar kullanılarak eğitilen ve test edilen iki yapay zeka modeli geliştirildi”.
Doktorum bir algoritma
kaydeden Paola Mariano
27 Şubat 2023
Radyasyon miktarını azaltın
Bu modeller, hastaları aşırı miktarda X-ışınlarına maruz bırakmamak için radyasyon dozajını optimize etmeye izin verecek olan BT görüntüsünün kalitesinin otomatik bir değerlendirme stratejisini temsil edebilir. “Tedaviler veya teşhis prosedürleri sırasında, bir hasta bilinen ‘makul olarak elde edilebilecek kadar düşük’ (ALARA) ilkesine göre minimum düzeyde radyasyona maruz bırakılmalıdır. Bunu göz önünde bulunduran tıbbi personel, hatalı teşhislerden kaçınmak için X-ışınlarına maruz kalma ile kaliteli görüntüler elde etme arasında bir uzlaşma bulmalıdır”, diye devam ediyor Doria.
AI ve doktorlar arasındaki karşılaştırma
Bu çalışmadan elde edilen sonuçlar oldukça ümit vericidir: “Modellerimiz – bir radyoloğun yapabileceği gibi – Doria’nın sonucuna varıyor – hayalet içine yerleştirilmiş bir nesneyi doğru bir şekilde tanımlayabilir. Yakın gelecekte, BT protokollerinde kullanılan radyasyon dozunu optimize etme sürecini büyük ölçüde basitleştirerek, bu modelleri daha büyük ölçekte uygulayabilmeyi ve değerlendirmeleri daha hızlı ve daha güvenli hale getirebilmeyi umuyoruz. Bu husus, hastanın sağlığına yönelik riskleri azaltmak ve tıbbi değerlendirmelerin zamanlamasını optimize etmek için esastır”.
Diğer aramalar devam ediyor
Yapay Zekanın tıp alanında ilk kullanımı kesinlikle değil ve tıpkı BT taramasına gelince, Massachusetts Üniversitesi’ndeki bazı araştırmacılar yakın zamanda akciğer kanseri riskini %94’lük bir doğruluk oranıyla tahmin edebilen bir sistem geliştirdiler. bir yıl ve altı yıl içinde %81. Sybil’in işi, bir bilgisayarlı tomografiyi dijital olarak analiz etmektir ve bundan yola çıkarak akciğer kanseri risklerinin ne olduğunu tahmin edebilir. “Sybil bir teşhis değil, bir risk puanı sağlıyor, bu nedenle hangi hastaların yakından takip edilmesi veya kanser taraması yapılması gerektiğini belirlemek çok yardımcı oluyor” diye açıklıyor. Lecia SequistJournal of Clinical Oncology’de yayınlanan çalışmanın yazarlarından Harvard Medical School’da tıp profesörü.
Yapay zekanın gelişimi, modeli geliştirmek için kullanılan toplam 35.001 CT taraması ve onu test etmek için 6.282 CT taraması için 15.000 katılımcının verilerine dayanıyordu ve ilkinden sonraki CT taramalarında kaç kişinin gerçekten şüpheli lezyonlar gösterdiğine dikkat çekiyordu. ve bunları Sybil tarafından gösterilen sonuçlarla karşılaştırmak. Yapay Zeka tarafından önerilen sonuçlar bir yıl sonra vakaların %94’ünde, iki yıl sonra %86’sında ve %75’inde doğru çıktı.
Metaverse: tıp ve sağlık hizmetlerinin yeni sınırı
kaydeden Irma D’Aria
13 Mart 2023
Tac’ın ‘gücü’
Bilgisayarlı tomografi, modern tıbbın elinde bulunanlar arasında en güçlü ve birleştirilmiş teşhis araçlarından biridir. Ancak bu metodoloji ile elde edilen görüntülerin manuel analizi çok zaman gerektirir ve kalitesi hastanın maruz kalması gereken X-ışını radyasyon miktarı ile doğru orantılıdır.
Dijital sağlık: vatandaşa yakın daha verimli bir sağlık sistemi için kamu ve özel birlikte
kaydeden Irma D’Aria
27 Temmuz 2022
Algoritmanın oluşturulması
Araştırmacılar, hastaya radyasyonu azaltmak için yapay zekayı kullanarak bilgisayarlı tomografi (BT) incelemelerinde görüntü kalitesini değerlendirme sürecini otomatikleştirmeyi başardılar. “Grubumuz – açıklıyor Sandra Doria (Cnr-Iccom), araştırma koordinatörü – insan dokularının özelliklerini kopyalamak amacıyla oluşturulan bir fantomun BT görüntüleri üzerinde birkaç radyolog tarafından gerçekleştirilen görsel incelemeden elde edilen verileri analiz eden bir algoritma oluşturdu. yapay yaralanmaların varlığı. Daha sonra, daha önce toplanan görüntüler ve doktorlardan alınan yanıtlar kullanılarak eğitilen ve test edilen iki yapay zeka modeli geliştirildi”.
Doktorum bir algoritma
kaydeden Paola Mariano
27 Şubat 2023
Radyasyon miktarını azaltın
Bu modeller, hastaları aşırı miktarda X-ışınlarına maruz bırakmamak için radyasyon dozajını optimize etmeye izin verecek olan BT görüntüsünün kalitesinin otomatik bir değerlendirme stratejisini temsil edebilir. “Tedaviler veya teşhis prosedürleri sırasında, bir hasta bilinen ‘makul olarak elde edilebilecek kadar düşük’ (ALARA) ilkesine göre minimum düzeyde radyasyona maruz bırakılmalıdır. Bunu göz önünde bulunduran tıbbi personel, hatalı teşhislerden kaçınmak için X-ışınlarına maruz kalma ile kaliteli görüntüler elde etme arasında bir uzlaşma bulmalıdır”, diye devam ediyor Doria.
AI ve doktorlar arasındaki karşılaştırma
Bu çalışmadan elde edilen sonuçlar oldukça ümit vericidir: “Modellerimiz – bir radyoloğun yapabileceği gibi – Doria’nın sonucuna varıyor – hayalet içine yerleştirilmiş bir nesneyi doğru bir şekilde tanımlayabilir. Yakın gelecekte, BT protokollerinde kullanılan radyasyon dozunu optimize etme sürecini büyük ölçüde basitleştirerek, bu modelleri daha büyük ölçekte uygulayabilmeyi ve değerlendirmeleri daha hızlı ve daha güvenli hale getirebilmeyi umuyoruz. Bu husus, hastanın sağlığına yönelik riskleri azaltmak ve tıbbi değerlendirmelerin zamanlamasını optimize etmek için esastır”.
Diğer aramalar devam ediyor
Yapay Zekanın tıp alanında ilk kullanımı kesinlikle değil ve tıpkı BT taramasına gelince, Massachusetts Üniversitesi’ndeki bazı araştırmacılar yakın zamanda akciğer kanseri riskini %94’lük bir doğruluk oranıyla tahmin edebilen bir sistem geliştirdiler. bir yıl ve altı yıl içinde %81. Sybil’in işi, bir bilgisayarlı tomografiyi dijital olarak analiz etmektir ve bundan yola çıkarak akciğer kanseri risklerinin ne olduğunu tahmin edebilir. “Sybil bir teşhis değil, bir risk puanı sağlıyor, bu nedenle hangi hastaların yakından takip edilmesi veya kanser taraması yapılması gerektiğini belirlemek çok yardımcı oluyor” diye açıklıyor. Lecia SequistJournal of Clinical Oncology’de yayınlanan çalışmanın yazarlarından Harvard Medical School’da tıp profesörü.
Yapay zekanın gelişimi, modeli geliştirmek için kullanılan toplam 35.001 CT taraması ve onu test etmek için 6.282 CT taraması için 15.000 katılımcının verilerine dayanıyordu ve ilkinden sonraki CT taramalarında kaç kişinin gerçekten şüpheli lezyonlar gösterdiğine dikkat çekiyordu. ve bunları Sybil tarafından gösterilen sonuçlarla karşılaştırmak. Yapay Zeka tarafından önerilen sonuçlar bir yıl sonra vakaların %94’ünde, iki yıl sonra %86’sında ve %75’inde doğru çıktı.