Fujitsu Hungary

Életmentés az emberi szakértelem és a mesterséges intelligencia ötvözésével

2022. augusztus 23. - Fujitsu Hungary

The first reference charts for the human brain have been completed | The  Economist

Az emberek, a technológia és az ötletek összekapcsolásával a Fujitsu elkötelezetten dolgozik a fenntartható világ megteremtésén. Ennek jegyében a mesterséges intelligenciával támogatott diagnosztikai technológia létrehozására indított Sagasu projekt a radiológusoknak kíván segítséget nyújtani az agyi értágulatok gyors és hatékony felismeréséhez.

A GE Healthcare és a Macquaire Egyetem közreműködésével 2019-ben elindított projekt első (kutatási) szakasza nemrég fejeződött be. A Fujitsu kiterjedt globális R&D erőforrásaira, a GE Healthcare piacvezető képalkotás-technológiai szakértelmére és az ausztrál kormány 2 millió dolláros kutatási támogatására támaszkodó projekt új alapokra helyezheti az egészségügy működését Ausztráliában és az egész világon.

Ramy Ibrahimmal, a Fujitsu iparági innovációért felelős vezetőjével a projektről és a projekt keretében folytatott együttműködésről beszélgettünk. Az interjú ismerteti a projekt sarokkövét jelentő, MI-vel támogatott diagnosztikai technológia jelentőségét és az agyi értágulatok hatékony diagnosztizálása terén elérhető lehetőségeket.

 

Kereskedelmi szempontból életképes egészségügyi megoldás kidolgozása

Mik azok az agyi értágulatok, és miért jelentenek kihívást az orvosok számára?

Ramy Ibrahim (Ramy): Az agyi értágulatok problémája a világ népességének 2-3%-át érinti. Az értágulat akkor alakul ki, ha egy agyi ér fala elvékonyodik, és az ér kitágul. llyenkor fennáll a veszély, hogy az érfal elpattan, és belső vérzést okoz az agyban (sztrók). A probléma részben genetikai: gyakrabban lép fel értágulat, ha korábban már előfordult ilyesmi a családban. A betegség kockázatát különböző viselkedésbeli tényezők (pl. dohányzás) is növelik.

Az orvosi beavatkozáshoz szükséges, hogy még az ér elpattanása előtt felismerjék az értágulatot, és monitorozni, illetve kezelni tudják ezt az állapotot. A felismerés nehéz, mert CT-felvételeken (az agyról szeletenként készített kétdimenziós képeken) kell azonosítani az értágulat pontos helyét. A tágulat mérete 1-től 20 milliméterig terjedhet. Jelenleg a probléma diagnosztizálását erre szakosodott radiológusok végzik. Ez az emberi erőforrásigény miatt drága és lassú is: egy felvétel radiológiai vizsgálata akár 15-20 percig is eltarthat, szemben a röntgenfelvétellel, amely néhány perc alatt elemezhető.

Ön miért érdeklődik a terület iránt?

Ramy: Az egészségügy regionális és globális szempontból is kiemelt terület a Fujitsu számára. Támogatjuk az egészséges életmódot, és olyan megoldásokat biztosítunk, amelyek küldetésünkkel* összhangban az emberközpontú innováción keresztül javítják a társadalom állapotát. Én magam személyesen is érdeklődöm az egészségügy iránt. Mivel az édesapám és az apósom is orvos, az egészségügyi szakma hagyományosan jelen van a családomban.

*A Fujitsu csoport küldetése
Küldetésünk, hogy az innovációra épülő társadalmi bizalomépítésen keresztül fenntarthatóbb hellyé tegyük a világot.

Hogyan kapcsolódott be a projektbe, és mit szeretne ezzel elérni?

Ramy: Reméljük, hogy kereskedelmi szempontból életképes termékkel tudunk megjelenni a piacon. Olyan mesterséges intelligencia kifejlesztésén dolgozunk, amelynek segítségével a radiológusok gyorsabb és eredményesebb ellátásban tudják részesíteni pácienseiket valós körülmények között.

Akkor kapcsolódtam be a projektbe, amikor a korábbi főnököm a Fujitsunál kitalálta, hogy hasznosítsuk a Fujitsu Laboratories innovációit az óceániai régióban a Macquaire Egyetemmel kialakított partnerkapcsolat keretében. Konzultáltunk néhány nagy tudású klinikai szakemberükkel, és ők álltak elő ezzel az ötlettel. Ezután az én feladatom volt, hogy a Fujitsu elé terjesszem a projekt üzleti tervét.

Mesterséges intelligencia a radiológusi munka kiegészítésére

Milyen szerepet játszik a Fujitsu technológiája a projektben?

Ramy: A Fujitsu felelt az MI-komponensért, azaz mi fejlesztettük ki a projektben alkalmazott mesterséges intelligenciát. Gyűjtöttük a CT-képadatokat, és egy többszöri próbálkozáson alapuló kutatási folyamat segítségével meghatároztuk, mi a legjobb technikai módszer annak a mesterséges intelligenciának a létrehozásához, amely képes több szürkeskála-képszeletet megvizsgálva, sikeresen és pontosan azonosítani az értágulatot.

Miért fontos a mesterséges intelligencia az agyi értágulatok felismerése terén?

Ramy: Az egyik ok az értágulatok felismerésére képes képzett munkaerő, azaz a CT-felvételeket vizsgáló hozzáértő radiológusok hiánya. Mint minden emberi munkafolyamatnál, itt is fennáll a hiba és a tévesztés kockázata. Figyelembe véve az egészségügyi rendszerben dolgozó radiológusok eltérő szintű szakértelmét, a fel nem ismert értágulatok aránya akár a 20%-ot is elérheti**. Az MI bevezetésének tehát két előnye van. Az egyik a hatékonyság növelése azáltal, hogy a mesterséges intelligencia a szakemberek képességeit kiegészítve gyorsítja a felvételek feldolgozását. A másik pedig az, hogy az MI a felismerés pontosságát is javítja. A technológia nem helyettesíti a radiológusokat, hanem támogatja őket. Bízunk benne, hogy az emberi szakértelem és az MI ötvözésével sikerül javítani az értágulatok felismerési arányát.

** A CT- kontra MR-alapú angiográfia metaelemzése a koponyaűri aneurizmák vizsgálatában (researchgate.net)

Páratlan MI-megoldás

Miben különbözik az MI-vel támogatott diagnosztikai technológia a meglévő megoldásoktól?

Ramy: Megvizsgáltuk a területen zajló egyéb kutatásokat. Meglehetősen összetett a kép. Egyelőre nincs olyan széles körben alkalmazott, kereskedelmi célú mesterséges intelligencia, amely átfogóan kielégítené a fenti igényeket.

Egyes megoldások más szempontból kezelik a problémát. A már azonosított értágulat mérésére például már létezik szoftver. Van olyan szoftver is, amely félig automatikusan, teljes egészében rekonstruálja, és 3D-ben megjeleníti az eret, ami hasznos lehet a tágulat megkereséséhez. A technológiából adódó hibák miatt azonban az ilyen 3D-rekonstrukciók alapján nem lehet klinikai diagnózist felállítani.

Mi teljesen más szemléletet követünk. Még azelőtt, hogy a radiológus megnézné a felvételt, MI-megoldásunk automatikusan kijelöli a vizsgálandó területet. Más megoldások 10-20%-át képesek elvégezni ennek a munkának.

A projekt 2 millió dolláros kutatási támogatást kapott az ausztrál kormánytól. Mi a jelentősége ennek a támogatásnak, és miért érdeklődik a kormány a kutatás iránt?

Ramy: Az ausztrál kormány hagyományosan támogatja az ipari szereplőkkel közösen, helyben végzett kutatásokat annak érdekében, hogy minél nagyobb arányban alkalmazzák a gyakorlatban a kutatási eredményeket az ausztrál gazdaság javára. Az egyik támogatási feltétel szerint egy helyi kkv-val és egy helyi kutatóintézettel kellett együttműködnünk a projektben. A Macquarie Medical Imaging és a Macquarie Egyetem megfelelt ennek követelménynek. A kutatásnak emellett kereskedelmi fókuszúnak kellett lennie és munkahelyeket kellett teremtenie Ausztráliában. Nagyon örültünk a finanszírozásnak, amely meggyőzően bizonyítja, hogy az ausztrál kormány is bízik a technológia gyakorlati alkalmazásának lehetőségében.

Az orvostudományt támogató MI-rendszer létrehozásának kihívása

Milyen kihívásokkal szembesültek a projekt során?

Ramy: Az orvosi alkalmazásra szánt MI fejlesztésével új területre léptünk be. Már maga az MI betanításához szükséges adatmennyiség is kihívást jelentett. Ha egy autóval kapcsolatban kell betanítani a mesterséges intelligenciát, képek százezrei elérhetők a feladathoz. Jó minőségű, kommentált agyi képfelvételekhez viszont nem könnyű hozzájutni. Csak mintegy 400 teljes körű megjegyzésekkel kiegészített esetet tudtunk betáplálni az MI-be, ami oktatási szempontból elég alacsony szám. Az egészségügyi felhasználás miatt azonban kiemelten fontos volt, hogy a képek pontosak legyenek.

Másodsorban, technikailag nagyon nehéz észrevenni az értágulatot a CT-felvételen. Az értágulat alakját kell azonosítani, ami a szürke bizonyos árnyalatában rajzolódik ki a többféle árnyalatú szürke háttérhez képest, és csak nagyon nehezen lehet megkülönböztetni egy normál értől. A felismerés még egy képzett radiológus számára sem egyszerű – nem beszélve a viszonylag kis mennyiségű kép alapján betanított mesterséges intelligenciáról.

Hogyan győzték le ezeket a kihívásokat?

Ramy: Partnerkonzorciumunk tagjaival, a GE Healthcare-rel, a Macquarie Egyetemmel és radiológiai klinikájával (Macquarie Medical Imaging) együttműködve, emberközpontú tervezési (HXD) workshopok keretében olyan új ötleteket és megoldásokat dolgoztunk ki, amelyekkel a bemeneti adatok mennyiségének növelése nélkül javítható az MI pontossága. Japán MI-mérnökeink közreműködésével több, jelenleg szabadalmaztatás alatt álló módszert is kitaláltunk az érzékenység javítására, amelyek 50%-ról 90% fölé emelték a mérési pontosságot.

Milyen jövő vár az MI-alapú diagnosztikai technológiára?

A projekt mely aspektusát tartja a legizgalmasabbnak?

Ramy: Két ilyen aspektus is van. Az egyik az, hogy végigkísérhetem a projektet az elejétől a végéig. Nagyon izgalmas lesz látni a kereskedelmi bevezetést, és azt, hogy hús-vér páciensek élvezhetik majd munkánk gyümölcsét.

Olyan megoldást tudunk nyújtani a radiológusoknak, amely megkönnyíti napi munkájukat. Később pedig ugyanezt a módszert más vérrel összefüggő agyi és egyéb (szív-, tüdő- stb.) betegségekre is alkalmazni tudjuk. Azzal, hogy kiterjesztett MI-t biztosítunk a radiológusok számára, megalapozzuk a projekt jövőjét.

A GE Healthcare-rel folytatott partnerkapcsolat is nagyon izgalmas, csakúgy, mint annak a modellnek az elkészítése, amelyet a Fujitsu további projektekben is fel fog tudni használni. Közös célunk az egészségügy hagyományos szállító-szolgáltató kapcsolaton túlmutató átalakítása. Elég izgalmas feladat bebizonyítani, hogy ez a felállás a gyakorlatban is működőképes.

A munkájában és a magánéletében mi az ars poeticája?

Ramy: A különböző szakemberek intellektuális képességeinek ötvözése és az így megnyíló lehetőségek inspirálnak a leginkább. A Fujitsu hozta létre a mesterséges intelligenciát ehhez a projekthez, de a pontosságát csak akkor sikerült javítanunk, amikor partnereket vontunk be a folyamatba. Ez az, ami engem motivál. Egyedül is lehet valaki okos, de valódi áttörést csak több ember együttműködése hozhat.

Ezt a projektet a közös munka és a co-creation, a közös cél érdekében folytatott együttműködés tette sikeressé. Nem tipikus projekt, sok kihívással járt. De a co-creation szemlélettel le tudtuk győzni őket, amint ez az eredményekből is jól látszik.

Egészséges életmód

Új üzleti márkája, a Fujitsu Uvance keretében a Fujitsu kiemelt területként határozta meg az egészséges életmódot.

Olyan világ megteremtésére törekszünk, amelyben mindenki gazdagabb életet élhet, és kiteljesítheti a benne rejlő képességeket.

Bővebben

A bejegyzés trackback címe:

https://fujitsuhungary.blog.hu/api/trackback/id/tr5317914027

Kommentek:

A hozzászólások a vonatkozó jogszabályok  értelmében felhasználói tartalomnak minősülnek, értük a szolgáltatás technikai  üzemeltetője semmilyen felelősséget nem vállal, azokat nem ellenőrzi. Kifogás esetén forduljon a blog szerkesztőjéhez. Részletek a  Felhasználási feltételekben és az adatvédelmi tájékoztatóban.

Nincsenek hozzászólások.
süti beállítások módosítása