Akademia Górniczo-Hutnicza (AGH) w Krakowie ma znaczące osiągnięcia badawczo-rozwojowe w dziedzinie sztucznej inteligencji i po raz kolejny zaskoczyła społeczność nowym odkryciem. Mówi się o nim jako o nowym etapie w rozwoju diagnostyki medycznej – narzędzie oparte na sztucznej inteligencji, które pomaga lekarzom analizować obrazy medyczne, w tym tomografię komputerową (TK) i rezonans magnetyczny (MRI). To rozwiązanie pomaga lekarzom szybciej stawiać diagnozy i dokładniej oceniać zmiany w organizmie, co jest szczególnie istotne, gdy radiolodzy mają wielu pacjentów, pisze krakow-future.eu.
Przełom z Krakowa
System, znany jako „Raygenic Rayspad”, został opracowany przez Katedrę Biocybernetyki i Inżynierii Biomedycznej Wydziału Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej AGH, we współpracy ze specjalistami z Centrum Doskonałości w Dziedzinie Sztucznej Inteligencji. Do prac dołączyli eksperci z Uniwersytetu Jagiellońskiego, specjalizujący się w interpretowalnej sztucznej inteligencji, co zapewnia przejrzystość algorytmów i kontrolę nad ich dokładnością.
Testy pilotażowe platformy przeprowadzano przez prawie pół roku w Szpitalu Uniwersyteckim w Krakowie. Podczas badań lekarze przeanalizowali niemal 100 obrazów medycznych, w tym TK i MRI. Algorytmy AI automatycznie segmentowały organy, wykrywały zmiany patologiczne i dokonywały precyzyjnych pomiarów. Wyniki działania systemu porównywano z ocenami personelu medycznego. Według kierownika projektu, profesora Zdzisława Tabora, dzięki integracji nowoczesnych metod sztucznej inteligencji z wiedzą kliniczną udało się stworzyć narzędzie, które realnie wspiera lekarzy w codziennej praktyce i zwiększa efektywność diagnostyki.
Setka obrazów, tysiące możliwości
„Raygenic Rayspad” wyróżnia się kilkoma cennymi właściwościami. Po pierwsze, automatyczna segmentacja narządów pozwala szybko i precyzyjnie oznaczać struktury anatomiczne na obrazach, co zmniejsza obciążenie radiologów i minimalizuje ryzyko błędów. Po drugie, system jest zdolny do wykrywania zmian patologicznych, w tym podejrzanych ognisk nowotworowych i uszkodzeń pourazowych, oferując jednolity standard, dzięki któremu wynik nie zależy od osobistej opinii lekarza. Po trzecie, Raygenic Rayspad automatycznie mierzy rozmiary wykrytych zmian, przyspieszając proces tworzenia opisów medycznych i czyniąc go dokładniejszym.
Radiolog, profesor Rafał Obuchowicz, który brał udział w projekcie pilotażowym, zauważył, że podczas testów narzędzie wykrywało nawet zmiany patologiczne, które mogły zostać pominięte w analizie ręcznej. Porównał działanie systemu do dodatkowego, spostrzegawczego asystenta, który analizuje każdy obraz z uwzględnieniem najmniejszych detali. Takie podejście jest ważne w przypadkach, gdzie analiza jest skomplikowana, a lekarz mógłby popełnić błąd lub poświęcić więcej czasu na ustalenie przyczyny.
Jak lekarz i AI pracują razem?
Jedną z istotnych zalet platformy jest jej architektura chmurowa, co sprawia, że system jest niezależny od konkretnego sprzętu i miejsca pobytu lekarzy. Dostęp do Raygenic Rayspad jest możliwy z komputera, tabletu czy telefonu, a wyniki zawsze prezentowane są w ujednoliconej formie. Dzięki temu szpitalom łatwiej jest zintegrować system ze swoją pracą.
Twórcy zaznaczają, że projekt jest elementem szerszej cyfrowej transformacji medycyny. Narzędzie demonstruje, jak połączenie AI i wiedzy klinicznej pomaga medykom w podejmowaniu decyzji, zmniejsza ryzyko dla pacjentów i ułatwia pracę personelowi medycznemu. Dyrektor Centrum Doskonałości w Dziedzinie Sztucznej Inteligencji AGH, profesor Joanna Jaworek-Koryakowska, podkreśliła, że taka współpraca człowieka i technologii staje się jednym z kluczowych kierunków rozwoju współczesnej medycyny.
Diagnostyka bez granic
Nad stworzeniem Raygenic Rayspad pracował zespół złożony ze specjalistów z różnych dziedzin. Swoją wiedzę połączyli eksperci od analizy obrazów medycznych, specjaliści od sztucznej inteligencji i matematyki stosowanej. Takie podejście pozwoliło uczynić system nie tylko precyzyjnym, ale i zrozumiałym. Szczególną rolę odegrał profesor Bartosz Zieliński z Wydziału Matematyki i Informatyki Uniwersytetu Jagiellońskiego. Bada on interpretowalną sztuczną inteligencję, ten kierunek wyjaśnia, w jaki sposób program dochodzi do swoich wniosków. Daje to lekarzom możliwość wglądu w logikę działania algorytmów i sprawdzania poprawności każdej decyzji, co znacznie zwiększa zaufanie do systemu.
Praca połączyła również specjalistów z biocybernetyki, inżynierii biomedycznej, interpretowalnej sztucznej inteligencji i matematyki. Dzięki tak różnorodnym specjalistom, system okazał się zrównoważony, technicznie doskonały i wygodny do praktycznego zastosowania w klinikach. Uczelnia ma nadzieję, że to daleko nie ostatnie odkrycie, gdyż aktywnie działa studenckie koło naukowe w dziedzinie sztucznej inteligencji AGH. Tak więc perspektywy są niezłe. Raygenic Rayspad, opracowany na AGH w Krakowie, stał się znaczącym przełomem w medycynie. To nie jest po prostu zbiór skomplikowanych algorytmów pracujących „w czarnej skrzynce”. Platforma jest wynikiem połączenia nowoczesnych technologii sztucznej inteligencji z praktycznym doświadczeniem lekarzy radiologów. Taka kombinacja umożliwiła stworzenie narzędzia zdolnego do szybkiej, dokładnej i niezawodnej analizy obrazów medycznych.
Nowa rzeczywistość kliniczna
Pierwsze testy odbywały się na danych klinicznych Szpitala Uniwersyteckiego w Krakowie. Lekarze pracowali z niemal setką obrazów pacjentów, w tym TK i MRI. Każdy wynik porównywano z ocenami doświadczonych radiologów. Szczególną uwagę zespół poświęcił przejrzystości działania systemu. Ekspert od interpretowalnej sztucznej inteligencji, profesor AGH Bartosz Zieliński, wyjaśnił to stanowisko faktem, że dla lekarzy ważne jest nie tylko otrzymanie gotowego wyniku, ale i zrozumienie, na czym on się opiera. Raygenic Rayspad pokazuje proces analizy obrazów w przejrzystej formie, pozwalając personelowi medycznemu weryfikować poprawność algorytmów.
Twórcy wyjaśnili dziennikarzom: Raygenic Rayspad to tylko część szerszej cyfrowej transformacji medycyny. System pozwala na tworzenie baz danych z bardzo dokładnymi obrazami, standaryzowanymi opisami patologii i metadanymi. To otwiera nowe możliwości dla badań, szkolenia młodych specjalistów i rozwoju algorytmów zdolnych do prognozowania zmian w organizmie pacjentów. Raygenic Rayspad nie ograniczył się do eksperymentu. Jest to kompleksowe rozwiązanie, które łączy zaawansowane algorytmy sztucznej inteligencji, wiedzę kliniczną i rozwiązania inżynieryjne.
Asystent lekarza nowej generacji
Już na starcie system udowodnił, że może przyspieszać analizę obrazów, zwiększać dokładność diagnoz i zmniejszać obciążenie lekarzy. Zdaniem kierownika projektu, profesora Zdzisława Tabora, nowość nie tylko przyspiesza diagnostykę, ale i czyni pracę medyków bardziej efektywną. Algorytmy przejmują rutynowe zadania – od segmentacji narządów po pomiary patologii – zostawiając lekarzom więcej czasu na analizę i podejmowanie decyzji. Dla dużych placówek medycznych, gdzie codziennie przetwarzane są setki obrazów, jest to szczególnie cenne.
Dyrektor Centrum Doskonałości w Dziedzinie Sztucznej Inteligencji, profesor Joanna Jaworek-Koryakowska, podkreśliła, że to narzędzie nie tylko zademonstrowało, jak nauka realnie pomaga medykom, ale i dowiodło swojej przydatności w praktyce. AGH już planuje rozszerzać funkcje platformy. W perspektywie jest wsparcie dla nowych rodzajów obrazów medycznych, integracja z wynikami laboratoryjnymi oraz udoskonalenie algorytmów do prognozowania rozwoju patologii. Rozważane jest również wdrożenie Raygenic Rayspad w klinikach Polski i innych krajów Europy, aby upowszechnić osiągnięte rezultaty.