Das KI-System lernt, intrakranielle Blutungen zu diagnostizieren und zu klassifizieren, sagen Forscher

Forscher haben ein System entwickelt, das künstliche Intelligenz (KI) verwendet, um Gehirnblutungen schnell zu diagnostizieren und zu klassifizieren und die Grundlage für seine Entscheidungen anhand relativ kleiner Bilddatensätze zu liefern. Lesen Sie auch – Künstliche Intelligenz kann jetzt Schlafstörungen behandeln

Laut den Forschern könnte ein solches System ein unverzichtbares Instrument für Notfallabteilungen in Krankenhäusern werden, um Patienten mit Symptomen eines möglicherweise lebensbedrohlichen Schlaganfalls zu bewerten und eine schnelle Anwendung der richtigen Behandlung zu ermöglichen. Lesen Sie auch – Künstliche Intelligenz oder KI: So verändert es das Gesundheitswesen

“Einige Kritiker schlagen vor, dass Algorithmen für maschinelles Lernen (ML) in der klinischen Praxis nicht verwendet werden können, da die Algorithmen keine Rechtfertigung für ihre Entscheidungen liefern”, sagte der Co-Hauptautor Sehyo Yune vom Massachusetts General Hospital (MGH) in den USA. Lesen Sie auch – National Doctor’s Day: 14 Fragen, die Sie Ihrem Arzt stellen müssen

Um das System zu trainieren, begann das Forschungsteam mit 904 Kopf-CT-Scans, die jeweils aus etwa 40 Einzelbildern bestanden, die von einem Team von fünf Neuroradiologen anhand der Position im Gehirn daraufhin markiert wurden, ob sie einen der fünf Blutungssubtypen darstellten oder keine Blutung.

Um die Genauigkeit dieses Deep-Learning-Systems zu verbessern, schlug das Team Schritte vor, die die Art und Weise nachahmen, wie Radiologen Bilder analysieren, und schlug die in der Zeitschrift Nature Biomedical Engineering veröffentlichte Studie vor.

Sobald das Modellsystem erstellt wurde, testete das Team es an zwei separaten Sätzen von CT-Scans – einem retrospektiven Satz, der vor der Entwicklung des Systems erstellt wurde und aus 100 Scans mit und 100 ohne intrakranielle Blutung und einem prospektiven Satz von 79 Scans mit und 117 besteht ohne Blutung, aufgenommen nach der Erstellung des Modells.

Bei der Analyse des retrospektiven Satzes war das Modellsystem bei der Erkennung und Klassifizierung von intrakraniellen Blutungen genauso genau wie die Radiologen, die die Scans überprüft hatten, so das Team.

Bei der Analyse des potenziellen Sets erwies es sich als noch besser als nicht erfahrene menschliche Leser, fügten sie hinzu.

Quelle: IANS

Veröffentlicht: 22. Dezember 2018, 15:49 Uhr