Az MI létrehozta az AbdomenAtlas adatbázist a rák korábbi felismerése érdekében

A Johns Hopkins kutatói mérföldkőnek számító áttörést értek el az orvosi képalkotás területén az AbdomenAtlas elnevezésű mesterséges intelligencia-alapú adatbázis létrehozásával. A projekt célja a rákbetegségek korábbi és pontosabb felismerésének elősegítése. Az adatbázis lenyűgöző méreteket ölt: 45 000 darab 3D CT-vizsgálatot tartalmaz, amelyek 142 anatómiai struktúrával vannak részletesen annotálva. Ez a fejlesztés drámai módon gyorsítja fel az orvosi képalkotó elemzéseket, lehetőséget adva ezzel az orvosoknak a hatékonyabb diagnosztikára és a betegségek korai szakaszban történő felfedezésére, ami kritikus a sikeres kezelés szempontjából.

Az AbdomenAtlas jelentőségét az adatmennyiség és a hatékonyság adja. A rendszer 36-szor nagyobb, mint a jelenleg elérhető legközelebbi versenytársa, ami mögött hatalmas összefogás áll: 145 kórház vizsgálati anyagát egyesítették világszerte. A fejlesztés elképesztő tempóban zajlott, a mesterséges intelligencia és 12 szakértő radiológus szoros együttműködése révén a csapat mindössze két év alatt végzett el egy olyan komplex munkát, amely pusztán emberi erőforrással számolva körülbelül 2500 évet vett volna igénybe. Az eredmények magukért beszélnek, hiszen a rendszer 500-szoros gyorsulást ért el a szervannotációban, míg a daganatok azonosítása terén 10-szeres hatékonyságnövekedést könyvelhettek el a kutatók.

Ez a technológiai fejlesztés alapjaiban változtathatja meg a korai rákfelismerés folyamatát, mivel sokkal átfogóbb és részletesebb képzési adatokat biztosít az MI-modellek számára. A kutatócsoport nem áll meg itt: a tervek között szerepel az AbdomenAtlas nyilvános elérhetővé tétele, továbbá folyamatosan bővítik az adatbázist újabb vizsgálatokkal, további szervekkel és daganatok adataival. Ugyanakkor a projekt arra is rávilágít, mennyire az elején járunk az orvosi MI-rendszerek valódi kiépítésének. Még a jelenlegi, impozáns 45 000 darabos adatbázis is mindössze 0,05 százalékát teszi ki az éves amerikai CT-vizsgálatoknak, ami jól mutatja, mekkora potenciál és egyben feladat áll még a tudományos közösség előtt az egészségügyi adatok hatékonyabb, MI-alapú feldolgozásában.