A mesterséges intelligencia térhódítása a gyógyászatban: újdonságok, érdekességek Magyarországon és a világban
A mesterséges intelligencia vívmányai az egészségügy és a gyógyítás számtalan területén hasznosíthatóak, vizsgálati adatok feldolgozásától a diagnosztika gyorsabbá és pontosabbá tételén keresztül a daganatos betegségek elleni gyógyszerek kifejlesztésének forradalmasításáig.
Mesterséges intelligencia segíti a gerincgyógyászati diagnosztikát
A gerincgyógyászati diagnosztikát segítő informatikai megoldáson dolgoznak a Szegedi Tudományegyetem (SZTE) kutatói a Budai Egészségközpont Kft., valamint az IFUA Horváth & Partners Kft. munkatársaival együttműködve. Az 1,179 milliárd forint költségvetésű, a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal 718 millió forintos támogatásával megvalósuló projekt célja egy olyan piacképes, mesterséges intelligencia által támogatott orvosi technológia létrehozása, amely megreformálja a gerincgyógyászati diagnosztikai folyamatot, támogatja a gyógyítást, elősegíti az orvos-beteg kommunikációt, ezáltal javítva a betegellátás minőségét. A technológiát alkalmazó megoldások képesek lesznek hatalmas mennyiségű vizsgálati adat és szakmai tudás ötvözésére, ezáltal pontosabbá és gyorsabbá lehet tenni a diagnosztikát, megteremtve a lehetőséget a terápia eredményességének növelésére.
A radiológiai vizsgálatoknál különösen nagy szükség van hasonló megoldásokra, hiszen radiológus szakorvosokból jelentős a hiány az egészségügyben, és a szakemberek leterheltsége a vizsgálatok számának növekedésével fokozódik. A szakemberek több tízezer gerinc MR-vizsgálat tudományos feldolgozásával olyan képi és szöveges információt is tartalmazó adatbázist készítenek, amely a mesterséges intelligencia algoritmusainak fejlesztése és a gépi tanulás alapjául szolgál. Kialakítanak egy olyan automatizált applikációt is, amely két- és háromdimenziós vizualizációval támogatott intelligens leletet, úgynevezett i-Leletet szolgáltatva a radiológiai leletek új generációját képviseli.
A 2024 elejéig tartó projekt fő termékeként olyan automata gerinc MR-leletező mesterségesintelligencia-algoritmus és -applikáció készül el, amely a meglévő alkalmazásokhoz kapcsolódva a gerincről készült MR-vizsgálatok értékelésére lesz képes, kiszűrve a súlyos gerincbetegségeket és a potenciális fájdalomforrásként értékelhető eltéréseket is. Az orvostudományi és informatika-tudományi kutatásokon alapuló rendszert beillesztik a betegellátás több szintjébe, és azokba a szoftveres alkalmazásokba, amelyek a gerincbetegek mindennapi diagnosztikáját és gyógyítását támogatják.
A mesterséges intelligencia paradigmaváltást hozhat az onkológiai terápiák kapcsán
A hagyományos gyógyszerfejlesztő kutatások rendkívül idő- és költségigényesek. A mesterséges intelligencia azonban forradalmasíthatja a technológiát, lehetővé téve, hogy ígéretes gyógyszermolekulákat azonosítsanak rövidebb idő alatt és kevesebb költséggel.
A fehérjék 3D szerkezete nagy mértékben összefügg a sejtekben betöltött funkciójukkal és az aminosav-mutációk okozta biológiai hatásokkal. Ismeretük sokoldalú eszköz a génꟷbetegség kapcsolatok tanulmányozására, valamint a gyógyszerelhetőség értékelésére. A fehérjeszerkezet-előrejelzés régóta kihívást jelentett, egészen az AlphaFold nevű számítógépes program megjelenéséig.
Kanadában az AlphaFolddal összekapcsolt PandaOmics és Chemistry42 nevű, mesterséges intelligencia által vezérelt gyógyszerfejlesztési platformok segítségével - mindössze 30 nap alatt - sikerült kiválasztani a legalkalmasabb molekulát a májrák, a hepatocelluláris karcinóma kezelésére.
Egy másik kutatócsoport sikeresen alkalmazta a mesterséges intelligenciát a rosszindulatú daganatos betegek túlélési esélyeinek és várható túlélési idejének pontosabb meghatározására. Betegek kórlapjait elemezték, és megpróbálták előre jelezni, hogy milyen valószínűséggel élik túl a következő 6, 36, illetve 60 hónapot. A vizsgálat több tízezer beteg adatain alapult, és a JAMA Network Open nevű orvosi szaklapban publikált eredmények szerint a mesterséges intelligencia eszközének pontossága 80 százalék feletti volt.
A mesterséges intelligencia alapú prognosztikai modellek bármely ráktípus esetén működnek, és fontos szerepet játszhatnak a betegek egyénre szabott terápiájának tervezésében.
Hamar felismeri a stroke első tüneteit egy új magyar applikáció
Az első tünetek jelentkezésétől a stroke-ot kapott betegeknek mindössze 4 és fél órájuk van arra, hogy az életmentő beavatkozást megkapják. Maga a kezelés és az ahhoz szükséges vizsgálatok az orvosok megfeszített munkája mellett 75 percet vesz igénybe, vagyis a betegnek és környezetének összesen 3 órája és 15 perce marad arra, hogy felismerjék a stroke tüneteit. Ezen segít egy új magyar alkalmazás, melyre már fogadják az előregisztrációkat.
A Vodafone Digitális Díjjal jutalmazott MotionScan rendszere a mesterséges intelligencia segítségével azonosítja a stroke tüneteit, fejlesztői szerint mindössze egy órán belül, felbecsülhetetlen időt mentve meg ezzel a betegnek és az őt ellátó csapatnak.
A SalusMo névre keresztelt rendszert elsőként Magyarországon tervezik bevezetni, emiatt a MotionScan honlapján már elérhető egy előregisztrációs menüpont. A regisztráció nem jár kötelezettséggel, de a 2023-as indulás után elsőként a már regisztrált érdeklődőket fogják kiszolgálni, emellett a regisztrálók naprakész híreket is kapnak a stroke-előrejelző készülékkel kapcsolatban.
Méhnyakrák elleni küzdelem mesterséges intelligenciával felruházott okostamponnal
Több, mint 4000 nő hal meg évente méhnyakrákban az USA-ban. Különösen magas ez a szám, ha figyelembe vesszük, hogy korán felismerve gyógyítható ez a betegség. A fiatalok által fejlesztett "okostampon" nevű eszköz segítségével könnyebben és kényelmesebben lehet a betegséget kimutatni, mint a hagyományos méhnyakrák-szűréssel. A tampon alakú eszközbe egy érzékeny kamerát helyeztek, amely leképezi a méhnyaki területet és a rák jeleit keresi mesterséges intelligencia segítségével. Ha valami rendelleneset észlel, akkor figyelmezteti a használóját, hogy látogasson el orvoshoz.
A fejlesztők célja, hogy befektetőket szerezzenek, hogy az eszköz piacra kerülhessen és elérhetővé váljon mindenki számára, akinek szüksége van rá. Így aki nem tud vagy nem akar elmenni hagyományos vizsgálatra, ahhoz a vizsgálat házhoz megy.
Mesterséges intelligencia diagnosztizálhat az orvosok helyett
A mesterséges intelligencia egyik területe, a gépi tanulás nagyfokú fejlődésen ment keresztül az orvosi diagnosztika terén: algoritmusaik segítségével valós képet kaphatunk a páciens egészségügyi állapotáról, elősegítve a hatékony kezelési módszer megtalálását.
Napjainkban minden eddiginél fontosabbá vált a páciensek állapotának hatékony, pontos és költséghatékony felmérése, a gépi tanulás pedig kulcsfontosságú szerepet játszhat e cél elérésében. A gépi tanulás a mesterséges intelligencia azon ága, amely az adatokat felhasználva leképezi az emberi tanulási módszerét, és folyamatosan javítja az adott feladatra vonatkozó teljesítményt. A megnövekedett adatmennyiség miatt az egészségügy különösen alkalmas a gépi tanulásra: ma a világ adatainak mintegy 30 százalékát ez az ágazat generálja. Mindez részben az elektronikus egészségügyi nyilvántartási rendszerek széles körű használatának köszönhető, amely először az 1990-es években terjedt el. A betegek adatainak digitalizálása nemcsak a meglévő adatmennyiséget növelte meg, hanem a gépi tanulási alkalmazások számára is könnyen hozzáférhetővé tette azokat.
A gépi tanulást az orvoslásban sokféle módon lehet hasznosítani. Az egyik ilyen felhasználási mód a prediktív modellezés, amellyel a szolgáltatók hatékonyan megjósolhatják, hogy egy magasabb kockázatú betegcsoportba sorolható betegnél kialakulhat-e szepszis vagy más típusú szövődmény beavatkozás után.
Ez segíthet annak meghatározásában, hogy érdemes-e extra megelőző intézkedéseket hozniuk a kockázat csökkentése érdekében, például rendszeres ellenőrzésre hívni a betegeket, vagy optimalizálni az erőforrásokat a potenciálisan magas kockázatú betegek megcélzása érdekében. Emellett a gépi tanulási modellek felhasználhatóak a diagnózisadatok elemzésére, hogy megjósolhassák, mely betegek szorulnak a legsürgősebben ellátásra, és azonosítani tudják a kórtörténetükben lévő hiányosságokat. A gépi tanulás a beteg teljes körű egészségügyi kórtörténetének kielemzésével segíthet a szolgáltatóknak annak meghatározásában is, hogy egy adott kezelés mennyire lenne hatékony a páciens számára, ezáltal lehetővé téve a legbiztonságosabb és leghatékonyabb gyógyszer megtalálását.
