Sztuczna inteligencja pomoże w odczytywaniu skórnych testów alergicznych
Polscy naukowcy opracowali rozwiązanie SkinLogic, które pozwala na sprawniejsze przeprowadzanie skórnych testów alergicznych i otrzymywanie bardziej wiarygodnych wyników. Metoda wykorzystuje kamery wizyjną i termowizyjną oraz system analizujący zdjęcia z pikselową dokładnością.
Autorami opisywanego rozwiązania są specjaliści z Wydziału Elektroniki i Technik Informacyjnych Politechniki Warszawskiej, zespołu prof. Jacka Stępnia (spółka Milton Essex) i Wojskowego Instytutu Medycznego.
Badania kliniczne dały bardzo dobre rezultaty. System prawidłowo rozpoznaje aż 98% przypadków, w tym również alergii rzadkich. Co więcej, za pomocą SkinLogic można wykrywać zmiany, których średnica nie przekracza 0,3 mm.
Budowa i działanie SkinLogic
Jak podkreślono w komunikacie prasowym Politechniki Warszawskiej (PW), z informatycznego punktu widzenia SkinLogic jest systemem przetwarzania danych. Urządzenie składa się ze statywu oraz wspomnianych na początku kamer. Podczas testów rękę pacjenta należy unieruchomić w statywie. Maszyna wykonuje zdjęcia w świetle widzialnym i podczerwonym w ustalonych momentach, rejestrując to, co dzieje się na fragmentach skóry potraktowanych alergenami. Po otrzymaniu dokumentacji w formie cyfrowej przychodzi czas na wykorzystanie algorytmu stworzonego na PW.
Co istotne, przy standardowej ręcznej procedurze pomiaru reakcji alergicznej (bąbli) wynik nie jest do końca precyzyjny. Gdy wykorzystuje się SkinLogic, pomiar jest natomiast wykonywany przez algorytm. Dodatkowo system bada zarówno wielkość odczynu, jak i inne parametry, np. jego kształt. Przydaje się do tego obraz uzyskany za pomocą widma dalekiej podczerwieni.
Analiza materiału cyfrowego
Podczas analizy zdjęcia dzielone są na segmenty odpowiadające umiejscowieniu nacięć na skórze (każdy segment da się badać osobno). Analizując dane w czasie, można sprawdzić, jak dany fragment się zmieniał.
Skąd pozyskano dane wejściowe dla systemu sztucznej inteligencji? Wykorzystano 1500 obrazów skórnych reakcji alergicznych (rekordów), które lekarze zebrali podczas badań klinicznych na 100 pacjentach. Dzięki nim algorytm mógł się uczyć rozpoznawania, który obraz przedstawia reakcję alergiczną, a który nie.
To, co otrzymujemy dzięki zdjęciom z kamery, to obrazy 100x100 pikseli. Lekarz, który bada bąbel alergiczny, ma do dyspozycji jedynie widoczne gołym okiem pole powierzchni. My badamy wszystkie piksele z otrzymanych obrazów. Można więc powiedzieć, że standardowa diagnoza jest oparta na podstawie jednej wartości, a odczyn badany przez sztuczną inteligencję opiera się na milionie wartości i wykrytych kombinacjach – wyjaśnia kierownik Zakładu Sztucznej Inteligencji prof. Robert Nowak. Dla człowieka znalezienie tych wzorców byłoby niezwykle żmudne, wytrenowany algorytm radzi sobie z tym zadaniem szybko i jest bardzo dokładny. Więcej danych oznacza wprawdzie więcej szumów do wyeliminowania, algorytm radzi sobie jednak i z tym problemem. Nasz system trenował na zestawie wzorów opracowanych przez konsylium lekarskie, ma więc wysokiej jakości fundament - dodaje badacz.
Usprawnienie diagnostyki i planowania leczenia
System przechodzi testy przedrejestracyjne. Gdy już trafi do praktyki klinicznej, może być nieocenioną pomocą. Oznacza bowiem szybsze diagnozowanie, zapewnia bardziej precyzyjne wyniki, a dzięki pozyskiwaniu materiału w formie cyfrowej pozwala na łatwiejsze konsultacje z innymi specjalistami.
Artykuł pt. „Thermography based skin allergic reaction recognition by convolutional neural networks” ukazał się w połowie lutego w piśmie Scientific Reports.
Komentarze (0)