Chia sẻ dữ liệu y tế giữa các phòng thí nghiệm và các chuyên gia y tế là rất quan trọng đối với nghiên cứu y tế. Tuy nhiên, việc chia sẻ dữ liệu thường đủ phức tạp và đôi khi thậm chí là không thể do luật pháp quản lý dữ liệu nghiêm ngặt ở Châu Âu.
Các nhà nghiên cứu tại Phòng thí nghiệm trí tuệ sức khỏe kỹ thuật số của Đại học Jyväskylä đã giải quyết vấn đề này và phát triển một mạng thần kinh nhân tạo tạo ra các hình ảnh X-quang tổng hợp có thể đánh lừa cả các chuyên gia y tế.
Một nhóm các nhà nghiên cứu từ dự án AI Hub Central Phần Lan của Đại học Jyväskylä đã phát triển một phương pháp dựa trên AI để tạo ra hình ảnh X-quang đầu gối tổng hợp nhằm thay thế hoặc bổ sung hình ảnh X-quang thực trong phân loại thoái hóa khớp gối.
>> Tham khảo: Cách tiếp cận mới tăng gấp đôi hiệu quả chỉnh sửa tế bào gốc.
Các nhà nghiên cứu đã sử dụng hình ảnh X-quang được tạo tổng hợp để bổ sung cho bộ dữ liệu hình ảnh X-quang thực từ nghiên cứu viêm xương khớp. Tính xác thực của các hình ảnh sau đó được đánh giá cùng với các chuyên gia từ khu chăm sóc sức khỏe trung tâm Phần Lan.
Các chuyên gia y tế được yêu cầu đánh giá mức độ nghiêm trọng của viêm xương khớp mà không biết rằng bộ dữ liệu bao gồm các hình ảnh tổng hợp. Trong giai đoạn thứ hai, các chuyên gia đã cố gắng xác định hình ảnh xác thực và tổng hợp. Kết quả cho thấy rằng trung bình, ngay cả các chuyên gia y tế cũng không thể phân biệt được hình ảnh X-quang thực và nhân tạo.
“Việc sử dụng dữ liệu tổng hợp không phải tuân theo các quy định bảo vệ dữ liệu giống như dữ liệu thực. Sử dụng dữ liệu tổng hợp có thể tạo điều kiện hợp tác giữa các nhóm nghiên cứu, công ty và tổ chức giáo dục chẳng hạn”, Sami Äyrämö, Trưởng phòng thí nghiệm tình báo sức khỏe kỹ thuật số tại cho biết Đại học Jyväskylä.
Theo Äyrämö, việc sử dụng dữ liệu tổng hợp cũng tăng tốc quá trình cấp phép và do đó, trong số những thứ khác, thử nghiệm các ý tưởng mới.
Việc sử dụng dữ liệu tổng hợp có thể dẫn đến kết quả tốt hơn trong chăm sóc bệnh nhân và phát triển phương pháp y tế
Các phương pháp AI dựa trên dữ liệu có thể được sử dụng để hỗ trợ các bác sĩ chẩn đoán. Mặc dù tiềm năng kỹ thuật của AI là rất lớn nhưng lượng dữ liệu y tế thường không đủ. Đây là thách thức chính trong việc phát triển các phương pháp hiệu quả về mặt y tế.
>> Tham khảo: Ô nhiễm không khí cao tại các trường công lập Hoa Kỳ với trẻ em từ các nhóm bị thiệt thòi.
Fabi Prezja, Nhà nghiên cứu tiến sĩ chịu trách nhiệm phát triển mạng lưới thần kinh nhân tạo cho biết: “Bằng cách trộn các hình ảnh X-quang thực và tổng hợp, chúng tôi đã cải thiện hệ thống phân loại viêm xương khớp dựa trên AI”.
Trong tương lai, dữ liệu tổng hợp có thể mang lại kết quả tốt hơn trong việc phát triển các phương pháp y tế và chăm sóc bệnh nhân, đặc biệt là đối với các tình trạng y tế mà dữ liệu bệnh nhân thực sự bị hạn chế.
“Ngoài ra, mạng lưới thần kinh có khả năng sửa đổi hình ảnh tia X tổng hợp thành các thông số kỹ thuật của chuyên gia. Khả năng này rất mạnh mẽ và cho phép sử dụng tiềm năng trong tương lai cho các ứng dụng giáo dục y tế và thử nghiệm căng thẳng cho các hệ thống AI khác”, Prezja cho biết thêm.
Nghiên cứu được thực hiện với sự cộng tác của khu chăm sóc sức khỏe trung tâm Phần Lan, nơi có giám đốc, giáo sư phẫu thuật Juha Paloneva coi các phương pháp chẩn đoán dựa trên AI là một cách có giá trị để chuyển giao bí quyết của một bác sĩ giàu kinh nghiệm để hỗ trợ công việc của thế hệ trẻ. Bác sĩ.
>> Tham khảo: Liên kết oxy hóa không có chất xúc tác của flavon trong nước kiềm cấp thực phẩm.
Hình ảnh liền kề hiển thị một tập hợp các ảnh chụp màn hình của một hình ảnh động cho thấy cách một tia X tổng hợp có thể được sửa đổi theo các thông số kỹ thuật của chuyên gia.
“AI có thể được sử dụng để phát hiện, ví dụ, các dấu hiệu khó phát hiện của viêm xương khớp sớm. Tuy nhiên, các phương pháp AI điều trị viêm xương khớp vẫn đang được cải thiện, vì vậy công việc vẫn tiếp tục,” Paloneva nói.
