Penyelidik telah membangunkan CytoDiffusion, alat AI terobosan yang menganalisis sel darah dengan ketepatan yang tidak pernah berlaku sebelum ini, mengatasi pakar manusia dalam mengenal pasti kelainan. Inovasi ini memberikan lonjakan yang ketara ke hadapan dalam mendiagnosis keadaan seperti leukemia, menawarkan harapan untuk penilaian perubatan yang lebih dipercayai dan cekap.
Alat kecerdasan buatan baharu yang dipanggil CytoDiffusion ditetapkan untuk mengubah landskap diagnostik untuk gangguan darah, mengatasi keupayaan manusia dalam mengenal pasti kelainan dengan ketepatan yang luar biasa.
Dibangunkan oleh penyelidik dari University of Cambridge, University College London (UCL) dan Queen Mary University of London, CytoDiffusion menggunakan teknologi AI generatif — sama seperti di sebalik penjana imej seperti DALL-E — untuk menganalisis bentuk dan struktur sel darah dengan teliti. Penemuan mereka ialah diterbitkan dalam jurnal Nature Machine Intelligence.
Mengesan perbezaan halus dalam saiz, bentuk dan rupa sel darah sememangnya penting untuk mendiagnosis banyak gangguan darah. Tugas itu, bagaimanapun, memerlukan latihan bertahun-tahun dan doktor yang berbeza masih boleh tidak bersetuju dengan kes yang sukar.
Calitan darah terdiri daripada beribu-ribu sel, menjadikan analisis manusia yang komprehensif tidak praktikal.
"Manusia tidak boleh melihat semua sel dalam smear - ia tidak mungkin," kata pengarang pertama Simon Deltadahl, pelajar kedoktoran di Jabatan Matematik Gunaan dan Fizik Teoritikal Cambridge, dalam satu kenyataan berita. "Model kami boleh mengautomasikan proses itu, mencuba kes rutin dan menyerlahkan apa-apa yang luar biasa untuk semakan manusia."
Inovasi ini menangani kesesakan yang ketara dalam hematologi.
"Cabaran klinikal yang saya hadapi sebagai doktor hematologi junior ialah selepas seharian bekerja, saya akan mempunyai banyak filem darah untuk dianalisis," tambah pengarang kanan bersama Suthesh Sivapalaratnam, pensyarah kanan klinikal di Queen Mary University of London. "Ketika saya menganalisisnya pada waktu lewat, saya menjadi yakin AI akan melakukan kerja yang lebih baik daripada saya."
Pembangunan CytoDiffusion memerlukan latihan AI pada lebih setengah juta imej daripada sapuan darah di Hospital Addenbrooke di Cambridge, membentuk set data terbesar seumpamanya. Dataset yang luas ini membolehkan AI mengenali bukan sahaja jenis sel darah biasa tetapi juga sel jarang dan luar biasa yang menunjukkan penyakit.
Dengan memfokuskan pada pengedaran penuh penampilan sel, CytoDiffusion menunjukkan keteguhan terhadap variasi dalam peralatan hospital, mikroskop dan kaedah pewarnaan. Akibatnya, ia menunjukkan kepekaan yang lebih besar dalam mengesan sel abnormal yang dikaitkan dengan leukemia, mendahului sistem sedia ada walaupun dengan contoh latihan yang lebih sedikit.
"Apabila kami menguji ketepatannya, sistem itu lebih baik sedikit daripada manusia," tambah Deltadahl. "Tetapi di mana ia benar-benar menonjol ialah mengetahui bila ia tidak pasti. Model kami tidak akan pernah mengatakan ia pasti dan kemudian salah, tetapi itu adalah sesuatu yang kadangkala dilakukan oleh manusia."
AI juga cemerlang dalam menghasilkan imej sel darah sintetik yang tidak dapat dibezakan daripada yang sebenar. Dalam "Ujian Turing" dengan 10 pakar hematologi berpengalaman, pakar tidak dapat membezakan secara berkesan antara imej sebenar dan yang dijana AI.
"Itu sangat mengejutkan saya," tambah Deltadahl. "Ini adalah orang yang merenung sel darah sepanjang hari, malah mereka tidak tahu."
Para penyelidik merancang untuk mengeluarkan set data imej salutan darah periferal terbesar di dunia yang tersedia secara umum, meningkatkan penyelidikan global dan mendemokrasikan akses kepada data perubatan berkualiti tinggi.
"Dengan menjadikan sumber ini terbuka, kami berharap dapat memperkasakan penyelidik di seluruh dunia untuk membina dan menguji model AI baharu, mendemokrasikan akses kepada data perubatan berkualiti tinggi, dan akhirnya menyumbang kepada penjagaan pesakit yang lebih baik," tambah Deltadahl.
Walaupun menjanjikan, CytoDiffusion bertujuan untuk melengkapkan dan bukannya menggantikan doktor terlatih. Ia akan mempercepatkan semakan kes rutin dan membenderakan anomali untuk pemeriksaan lebih dekat oleh pakar.
"Nilai sebenar AI penjagaan kesihatan bukan terletak pada anggaran kepakaran manusia pada kos yang lebih rendah, tetapi dalam membolehkan kuasa diagnostik, prognostik dan preskriptif yang lebih besar daripada yang boleh dicapai oleh pakar atau model statistik mudah," tambah pengarang bersama senior Parashkev Nachev, seorang profesor neurologi UCL.
Pasukan ini menekankan keperluan untuk kerja selanjutnya untuk meningkatkan kelajuan sistem dan untuk mengesahkan keberkesanannya merentas populasi pesakit yang pelbagai untuk memastikan keadilan dan ketepatan.
sumber: Universiti Cambridge