Tüdőgyulladás feltörése: új vezető a diagnosztizálásában

Amikor informatikusok és radiológusok összefognak, gyorsabb és jobb eredményeket érhet el.

Diana Aguilera

W tömlő orvosi diagnózis jobban bízna: tapasztalt orvosban vagy algoritmusban? Kiderült, hogy – legalábbis ami a tüdőgyulladást illeti – a mesterséges intelligencia pontosabban képes dekódolni a mellkas röntgensugarát, mint a radiológusok.

Használhatjuk a segítséget. A CDC szerint a tüdőgyulladás évente 1 millió embert küld az amerikai kórházakba. A tüdőfertőzés nehezen észlelhető, és az Egyesült Államokban évente nagyjából 50 000 ember hal meg belőle.

A gépi tanulási diagnosztikai eszköz létrehozásának projektje az Országos Egészségügyi Intézet által kiadott nagy adatkészlettel kezdődött, amely több mint 100 000 elülső nézet mellkas röntgenfelvételt tartalmaz, 14 lehetséges diagnózissal ellátva. Az NIH tartalmazott néhány előzetes algoritmust a betegségek megfejtésére, és segítséget kért azok előrehaladásához.

A stanfordi informatikusok egy csoportja Matthew Lungren radiológiai adjunktussal összefogva kezdte meg a feladatot. Négy Stanford-i radiológust vettek fel, hogy 420 képet elemezzenek a tüdőgyulladás jeleire vonatkozóan, amelyek a diagnosztikai teljesítmény alapjául szolgáltak. Az informatikusok eközben megtervezték a CheXNet algoritmust, amely körülbelül egy hét múlva megtanulta az eredeti adatsor 14 diagnózisából 10-et 10 pontosabban azonosítani, mint a korábbi algoritmusok képesek voltak rá. Egy hónap után a CheXNet mind a 14 kategóriában előrébb járt. Sőt, a tüdőgyulladás diagnosztizálásában folyamatosan felülmúlta a négy radiológust. A csoport novemberben tette közzé megállapításait az arXiv nyílt hozzáférésű, tudományos preprint weboldalon. Végzős hallgatók, Pranav Rajpurkar, ’16, és Jeremy Irvin voltak társszerzői.

“Csak tiszta képalkotási szempontból kiemelkedő teljesítmény, amit egy csak néhány hetes munkával rendelkező gép, valamint egy 30 éves tapasztalattal rendelkező radiológus is képes” – mondja Lungren.

A tanulmánynak vannak bizonyos korlátai: nem tartalmazott oldalnézeti mellkasröntgeneket vagy a betegek kórelőzményeit, amelyek mind javíthatják a diagnózis pontosságát. Lungren szerint azonban az algoritmus felgyorsíthatja a diagnózist, csökkentheti az emberi hibákat és segíthet a betegeken olyan helyeken, ahol nincs orvosi szakértő.

“Ez az egész világon potenciálisan játékváltó lehet” – mondja. •

Diana Aguilera a STANFORD munkatársa.