Ein neues künstliches Intelligenzsystem namens Prima, das an der College of Michigan entwickelt wurde, kann innerhalb von Sekunden neurologische Erkrankungen anhand von MRT-Scans des Gehirns diagnostizieren.
Das System erreichte eine Genauigkeit von 97,5 % bei der Identifizierung neurologischer Erkrankungen und konnte auch die Dringlichkeit der von den Patienten benötigten medizinischen Versorgung beurteilen. Diese Technologie zielt darauf ab, die Verfahren zur Bildgebung des Gehirns in den US-amerikanischen Gesundheitssystemen neu zu definieren.
Die Ergebnisse zu Prima wurden in der Zeitschrift veröffentlicht Naturbiomedizinische Technik.
Dr. Todd Hollon, Neurochirurg an der College of Michigan Well being und Assistenzprofessor für Neurochirurgie an der UM Medical Faculty, leitete das Forschungsteam. Dr. Hollon ist außerdem leitender Autor der Studie.
Über einen Zeitraum von einem Jahr bewertete Dr. Hollons Crew Prima anhand von mehr als 30.000 MRT-Studien. Das System zeigte im Vergleich zu anderen fortschrittlichen KI-Modellen eine überlegene diagnostische Leistung bei über 50 verschiedenen radiologischen Diagnosen schwerwiegender neurologischer Erkrankungen.
Prima kann Erkrankungen wie Schlaganfälle und Gehirnblutungen erkennen, die sofortige ärztliche Hilfe erfordern. In diesen Fällen kann das System Gesundheitsdienstleister, einschließlich Subspezialisten wie Schlaganfall-Neurologen oder Neurochirurgen, automatisch auf ein schnelles Eingreifen aufmerksam machen. Das Suggestions ist sofort verfügbar, nachdem ein Affected person die Bildgebung abgeschlossen hat.
Yiwei Lyu, Co-Erstautor und Postdoktorand für Informatik und Ingenieurwesen an der UM, stellte fest, dass eine rechtzeitige Diagnose für verbesserte Patientenergebnisse von entscheidender Bedeutung ist.
Prima wird als Imaginative and prescient Language Mannequin (VLM) klassifiziert und ist in der Lage, Bilder, Movies und Textual content in Echtzeit zu verarbeiten. Im Gegensatz zu früheren KI-Modellen, die auf begrenzten MRT-Teilmengen für enge Aufgaben trainiert wurden, wurde Prima auf der Grundlage eines breiten Datensatzes trainiert, der über 200.000 MRT-Studien und 5,6 Millionen Bildsequenzen umfasste, die seit der Digitalisierung radiologischer Aufzeichnungen an der College of Michigan Well being gesammelt wurden.
Das Modell umfasste auch die Krankengeschichte der Patienten und die Gründe, warum Ärzte jede Bildgebungsstudie angeordnet hatten.
Samir Harake, Co-Erstautor und Datenwissenschaftler im Machine Studying in Neurosurgery Lab von Hollon, erklärte, dass Prima ähnlich wie ein Radiologe die Krankengeschichte und Bilddaten des Patienten integriert, um ein umfassendes Verständnis der Gesundheit eines Patienten zu ermöglichen.
Jedes Jahr werden weltweit Millionen von MRT-Untersuchungen durchgeführt, wodurch die Nachfrage nach neuroradiologischen Dienstleistungen steigt. Diese steigende Nachfrage, gepaart mit einem Mangel an Private in der Neuroradiologie, trägt zu diagnostischen Verzögerungen und Fehlern bei. Patienten müssen oft mehrere Tage oder länger auf MRT-Ergebnisse warten.
Dr. Vikas Gulani, Co-Autor und Vorsitzender der Abteilung für Radiologie an der UM Well being, erklärte, dass progressive Technologien notwendig seien, um den Zugang zu radiologischen Diensten sowohl in großen Gesundheitssystemen als auch in ländlichen Krankenhäusern mit begrenzten Ressourcen zu verbessern.
Forscher gehen davon aus, dass sich Prima in einer frühen Evaluierungsphase befindet. Zukünftige Forschung wird sich auf die Integration detaillierterer Patienteninformationen und elektronischer Patientenakten konzentrieren, um die diagnostische Genauigkeit zu verbessern.
Dieser Ansatz spiegelt wider, wie Radiologen und Ärzte medizinische Bildgebungsstudien im klinischen Umfeld interpretieren. Dr. Hollon vergleicht Prima mit „ChatGPT für die medizinische Bildgebung“ und schlägt vor, dass eine ähnliche Technologie für andere Bildgebungsarten angepasst werden könnte, darunter Mammographie, Röntgenaufnahmen des Brustkorbs und Ultraschall.