Prześwietlenie rentgenowskie klatki piersiowej to jedno z najczęściej wykonywanych badań obrazowych w medycynie. Obecnie jest tanie, szybkie i ogólnodostępne, co czyni je kluczowym narzędziem w diagnostyce chorób płuc (takich jak zapalenia, gruźlica czy nowotwory). Mimo to jego prawidłowa interpretacja bywa wyzwaniem nawet dla doświadczonych specjalistów, ponieważ trójwymiarowe struktury anatomiczne nakładają się na siebie na płaskim, dwuwymiarowym obrazie. Aby sprostać tym wyzwaniom, zespół naukowców z Arizona State University i Mayo Clinic opracował model AI o nazwie Ark+ oraz szczegółowo opisał jego działanie na łamach najnowszego wydania tygodnika naukowego „Nature”.
Czytaj także: Czy AI zastąpi lekarzy? Pomoże wykrywać nowotwory? Nadciąga rewolucja
Cykliczna akumulacja wiedzy
Tym, co wyróżnia Ark+, jest jego „fundament” – ogromny i zróżnicowany zbiór danych treningowych. Model został bowiem „nauczony” na podstawie ponad 704 tys. zdjęć rentgenowskich pochodzących z sześciu publicznie dostępnych baz danych z USA, Wietnamu i Chin. Co istotne, naukowcy nie ujednolicali etykiet i opisów znajdujących się tam obrazów płuc. Zamiast tego model krok po kroku uczył się, analizując niejednolite opisy i diagnozy tworzone przez wielu różnych specjalistów. Zaś kluczem do jego niezwykłej skuteczności okazała się innowacyjna metoda treningu nazwana „cykliczną akumulacją wiedzy”.