AI4AR

AI4AR to koncepcja nowoczesnej formy raportowania strukturalnego w radiologii, wzmacnianego algorytmami AI.

Koncepcja AI4AR opiera się na trzech kluczowych filarach:

wiarygodnych i rzetelnych referencyjnych zbiorach danych;
efektywnych i wyjaśnialnych modelach AI;
nowoczesnych formach raportowania strukturalnego.

Wiarygodne, dobrze opisane zbiory danych referencyjnych są kluczowe dla potrzeb opracowywania efektywnych modeli automatycznej analizy obrazów. Wykorzystanie potencjału modeli AI opartych o możliwości uczenia głębokiego, warunkowane jest dobrymi danymi uczącymi, które odzwierciedlają zmienność charakteru zmian patologicznych i uwarunkowań sprzętowych oraz opisane są w sposób rzetelny i strukturyzowany, uwzględniając wewnętrzną zmienność opinii ekspertów.

Dobre i wiarygodne dane stanowią podstawę do rozwoju efektywnych i wyjaśnianych modeli AI, które powinny być dostosowane do określonych scenariuszy użycia, zależnych od charakterystyki problemu klinicznego, trudności związanych z interpretacją zmian oraz potrzeb i wymagań użytkowników. Tak opracowane modele mogą stać się realnym wsparciem w procesie opisu badań, którego nadrzędnym celem jest wzmacnianie możliwości poznawczych radiologów.

Ostatnim element prezentowanej koncepcji stanowi rozwój nowoczesnych metod raportowania strukturalnego. Naturalnym miejscem integracji wyników analizy obrazów opartej na sztucznej inteligencji jest obszar systemów strukturalnego raportowania radiologicznego, a więc integracja z codziennym przepływem pracy radiologa. Włączenie algorytmów AI w strukturę systemów raportowania strukturalnego może prowadzić do wzmacnianego działań radiologa poprzez wzmacnianie procesów rozpoznania i interpretacji zmian wynikami analizy obrazowej, opartej o wyjaśnialne i wiarygodne metody uczenia maszynowego. Prowadzi to wprost do realizacji koncepcji radiologii wzmacnianej AI.

W ramach projektu NCBiR INFOSTRATEG-I „Radiologia wzmacniana AI – wykrywanie, raportowanie i podejmowanie decyzji klinicznych w diagnostyce raka prostaty” realizujemy opisaną powyżej koncepcję w klinicznym problemie diagnostyki raka prostaty.