A Google AI-ja szakértői pontossággal becsüli a terhességi kort ultrahanggal

Ultrahang szakértői képzettség nélkül

A Google Research október 21-i beszámolója egy olyan mesterségesintelligencia-rendszert mutat be, amely úgynevezett vak pásztázásos ultrahangfelvételeket elemez. A vizsgálati módszernél a kezelőnek nem kell speciális ultrahangos képzettséggel rendelkeznie: egy olcsó, hordozható szondát szabványosított mozdulatokkal végigvezet a hason.

A megközelítés célja, hogy a terhességi ultrahangos vizsgálatok olyan helyeken is elérhetőbbé váljanak, ahol kevés a képzett szakember. A Google Research a WHO becslésére hivatkozva azt írja, hogy évente több mint 250 ezer megelőzhető haláleset történik világszerte a terhességgel összefüggő szövődmények miatt, miközben a világ lakosságának kétharmada nem fér hozzá diagnosztikai képalkotáshoz, például ultrahanghoz.

Két különböző egészségügyi környezetben tesztelték

A kutatást a JAMA Network Open folyóiratban publikált tanulmányban ismertették. A modellt eredetileg 1968 résztvevő ultrahangadataival tanították, amelyeket Észak-Karolinában és Zambiában gyűjtöttek. Ezután 120 chicagói résztvevő adataival hangolták a rendszert az új hardverhez, és kiterjesztették a becslési tartományt a 36. terhességi héten túlra.

A prospektív tesztben Chicagóban 192, Nairobiban pedig 193 résztvevő szerepelt. A modell egy Clarius C3 kézi, hasi ultrahangszondával működött. A chicagói helyszín egy városi, magas erőforrásokkal rendelkező akadémiai egészségügyi központ volt, a nairobi adatokat pedig a Jacaranda Health városi közösségi klinikahálózatán gyűjtötték. A Nairobihoz tartozó adatokat nem használták finomhangolásra, így ez a helyszín független külső tesztként szolgált.

A 16 és 36 hét közötti terhességeket vizsgáló, 385 résztvevős elsődleges csoportban a mesterséges intelligencia átlagos abszolút hibája 4,18 nap volt. A szakértő szonográfusok hagyományos módszerének eredménye 4,48 napos hiba lett. A Google Research szerint ez azt jelenti, hogy az AI-rendszer pontossága klinikailag nem maradt el a szakértői eljárásétól.

Hasonló eredmény finomhangolás nélkül Nairobiban

A chicagói vizsgálatban a finomhangolt modell 4,10 napos átlagos abszolút hibát ért el. Nairobiban, helyi optimalizálás nélkül, ez az érték 4,27 nap volt. A kutatók szerint az eredmények azt mutatják, hogy a rendszer eltérő betegpopulációk, munkafolyamatok és ultrahardver mellett is működőképes maradhat.

A vizsgálatban többes terhességek is szerepeltek, amelyek a magzatok követése és mérése miatt a kezelők, illetve az automatizált rendszerek számára is nehezebb eseteket jelenthetnek. Feltáró elemzések alapján a rendszer a 90. percentilis feletti magzati súlyú esetekben felülmúlta a hagyományos biometriai képleteket.

A gyakorlati használathoz bizalom és védelem kell

A valós klinikai bevezetés során a kutatók működési tanulságokat is gyűjtöttek. Megfigyelésük szerint az egymás után érkező páciensek között praktikusabb lehet a cserélhető akkumulátor, mint a hálózati dokkolóállomás. A Google Research hangsúlyozza azt is, hogy az ilyen rendszerek használatához a klinikusok és a páciensek bizalmát is fel kell építeni.

Ennek egyik lehetséges eszköze a világos biztonsági védelem. A kutatók olyan alkalmazásfunkciókat tartanak fontosnak, amelyek például megmutatják a modell megbízhatósági becslését, elutasítják a rossz minőségű pásztázásokat, és jelzik a klinikusnak, ha a rendszer bizonytalan.

A vizsgálat nem egy kész, általánosan elérhető egészségügyi termék bejelentése, hanem annak bemutatása, hogy a vak pásztázásos felvételek AI-alapú elemzése technikailag többféle környezetben is működhet. A Google szerint ez alapot adhat ahhoz, hogy minimális képzettséggel rendelkező közösségi egészségügyi dolgozók több helyen végezhessenek terhességi állapotfelmérést.