Gépi tanulás segítheti az ízületi károsodások felismerését

2020.09.16.
Gépi tanulás segítheti az ízületi károsodások felismerését
Az ELTE Természettudományi Kar fizikusai dobogós helyezést értek el azon a nemzetközi versenyen, ahol autoimmun betegségek hatékonyabb gépi diagnosztizálása volt a feladat. Csabai István professzor tanítványai olyan mesterséges intelligenciára épülő módszert dolgoztak ki, mellyel pontosabban nyomon követhető a reumatoid artritisz hosszú távú lefolyása.

Az elmúlt évtizedben a gépi tanulás robbanásszerű fejlődésen ment keresztül, köszönhetően a neurális hálózatok (deep learning) terén elért kutatási eredményeknek. Szinte mindennaposak a hírek, hogy különböző feladatokat emberi pontossággal tudnak megoldani a gyakran mesterséges intelligenciaként is emlegetett modellek. A University of Alabama at Birmingham (UAB) és a Dream Challenges nemrégiben versenyt írt ki, melyben az ízületi károsodások minél pontosabb automatizált diagnózisát tűzték ki célul.

Az úgynevezett Sharp van der Heijde scoring módszer a kéz- és lábfej ízületeinek erodálódását és az ízületi csontvégek abnormális közelségét méri egy numerikus skálán röntgen képek alapján. A módszert a mindennapi orvoslásban nem használják, mert

rendkívül időigényes minden egyes ízületre megállapítani a deformáció mértékét.

A verseny indulóinak ezt a módszert kellett automatizálni a lehető legpontosabban. A résztvevőknek három alfeladatban meg kellett határozniuk az ízületi károsodások összmértékét, ízületenként a csontvégek közeledését és ízületenként az erodálódást.

Olar Alex és Pataki Bálint Ármin, az ELTE TTK Komplex Rendszerek Fizikája Tanszéken működő, Csabai István professzor által vezetett kutatócsoport tagjai is részt vettek a nemzetközi megmérettetésen. Az ELTE fizikusai számos egyéb mellett a gépi tanulási módszerek orvosi képalkotó diagnosztikai alkalmazásait is kutatják.

A két fiatal kutató által kifejlesztett módszer első lépésben megtalálja a célzott ízületeket, majd második lépésként ezen ízületekre megbecsüli azok deformációja alapján a Sharp van der Heijde értéket. Ezzel a megoldással mind a három részversenyben dobogós helyezést értek el.

Eredményeik rávilágítottak arra, hogy a mesterséges intelligencia bevetésével a legtöbbször a kéz- és lábfej ízületeinek gyulladását és károsodását okozó autoimmun betegség, a reumatoid artritisz hosszú távú lefolyását pontosabban nyomon lehetne követni a jelenlegi módszerekhez képest. A kutatást folytatják, következő lépésként felvették a kapcsolatot a terület hazai orvos szakértőivel.

Forrás: ELTE TTK