Umjetna inteligencija koja čita CT trbuha bolje od većine radiologa

Vijest zvuči kao prekretnica, i u nekom smislu jest. No između objave u znanstvenom časopisu i trenutka kada bi takav program mogao sudjelovati u obradi vašeg nalaza stoji još dosta koraka. Evo što je točno napravljeno, koliko je pouzdano i što to konkretno znači za pacijenta u Hrvatskoj.

Što je RADAR i na čemu je učen

RADAR je takozvani generalistički model, što znači da nije napravljen za jednu bolest nego pokriva širok raspon nalaza odjednom. Usmjeren je na kompjutoriziranu tomografiju trbuha s kontrastom, pretragu koja se u bolnicama radi svakodnevno kod bolova u trbuhu, sumnje na tumor, upalu ili nakon ozljede.

Model je učen na više od 400.000 CT pretraga trbuha i otprilike 15 milijuna parova u kojima je dio snimke povezan s dijelom pisanog nalaza. Ono što je tu neobično jest da nitko te snimke nije ručno označavao. Umjesto toga, program je učio izravno iz nalaza koje su radiolozi ionako pisali u svakodnevnom radu. To je važno jer je ručno označavanje snimaka najskuplji i najsporiji dio razvoja medicinske umjetne inteligencije, i upravo ono što je dosad ograničavalo veličinu takvih projekata.

Koliko je RADAR zapravo točan

Autori navode da model prepoznaje 146 različitih nalaza na 18 organa u trbuhu. Provjeren je zatim na podacima koje nikada nije vidio, u osam neovisnih kliničkih ustanova, na otprilike 40.000 stvarnih pretraga. Prosječna vrijednost mjere točnosti koju struka označava kraticom AUC iznosila je 0,913.

Ta brojka traži kratko objašnjenje. AUC pokazuje koliko dobro program razlikuje one koji nalaz imaju od onih koji ga nemaju. Vrijednost 0,5 znači nasumično pogađanje, a 1,0 znači savršeno razlikovanje. Vrijednost oko 0,91 u radiologiji se smatra vrlo dobrom, no ona nije isto što i postotak točnih odgovora i ne znači da program griješi u devet posto slučajeva.

Najviše pozornosti privukao je dio istraživanja u kojem su rezultate programa usporedili s radiolozima koji su čitali iste snimke. RADAR je nadmašio 23 od 26 liječnika. Takva usporedba ipak ima svoja ograničenja o kojima se rjeđe govori.

Zašto usporedba s liječnicima nije cijela priča

U ovakvim ispitivanjima radiolog obično dobiva samo snimku, bez povijesti bolesti, bez ranijih pretraga, bez razgovora s liječnikom koji je pacijenta uputio i bez mogućnosti da traži dodatnu snimku. U stvarnom radu upravo te informacije često presuđuju. Radiolog koji zna da pacijent ima povišene upalne pokazatelje i bol u desnom donjem dijelu trbuha ne čita snimku isto kao onaj koji ne zna ništa.

Uz to, program je učen i provjeravan na pretragama iz kineskih ustanova. Sastav bolesnika, navike u propisivanju pretraga i uređaji na kojima se snima razlikuju se od zemlje do zemlje, pa se rezultat ne prenosi automatski na hrvatske bolnice. To nije zamjerka istraživanju, nego uobičajeno ograničenje koje traži dodatnu provjeru na lokalnim podacima.

Što znači to da je model otvoren

Velik dio medicinske umjetne inteligencije nastaje u tvrtkama i ostaje zatvoren, pa se tvrdnje o točnosti ne mogu neovisno provjeriti. RADAR je objavljen pod slobodnom licencom, zajedno s naučenim težinama modela, a dostupan je na platformama GitHub i Hugging Face.

Za struku to znači da istraživači u drugim zemljama mogu model preuzeti i ispitati na vlastitim pretragama, bez dopuštenja proizvođača i bez slanja snimaka pacijenata nekoj tvrtki. Upravo je ta mogućnost neovisne provjere ono što ovu objavu čini važnijom od same brojke o točnosti.

Hoće li ovo uskoro čitati nalaze u hrvatskim bolnicama

Kratak odgovor je ne, barem ne u ovom obliku. Program koji sudjeluje u postavljanju dijagnoze u Europskoj uniji smatra se medicinskim proizvodom i mora proći postupak ocjenjivanja sukladnosti te dobiti oznaku CE, prema Uredbi o medicinskim proizvodima. RADAR je istraživački rad objavljen otvoreno i tu oznaku nema, pa se ne smije koristiti za dijagnostiku na pacijentima.

Uz to dolazi i praktična strana. Ovakvi modeli traže ozbiljnu računalnu opremu, a snimke se prije obrade moraju pripremiti kroz nekoliko koraka obrade slike. To nije program koji se instalira na prijenosnik u ordinaciji.

Realan put je drukčiji i sporiji. Ustanove najprije provjeravaju ovakve modele na vlastitim, anonimiziranim snimkama u istraživačkim uvjetima. Ako se rezultati potvrde, slijedi razvoj proizvoda koji prolazi certifikaciju. Tek tada program može ući u svakodnevni rad, i to redovito u ulozi pomoći radiologu, a ne zamjene za njega.

Gdje umjetna inteligencija u radiologiji stvarno pomaže

Ono što se već koristi u nekim europskim ustanovama uglavnom je manje spektakularno, ali korisno. Programi razvrstavaju snimke po hitnosti, pa nalaz koji upućuje na po život opasno stanje dođe na red prije ostalih. Mjere volumene organa i promjene tumora brže i dosljednije od čovjeka. Skreću pozornost na nalaz koji bi se u nizu snimaka mogao previdjeti pred kraj smjene.

Zajedničko im je da ne donose odluku. Nalaz i dalje potpisuje radiolog, koji odgovara za ono što je napisao. Vrijednost je u tome što liječniku ostaje više vremena za složene slučajeve.

Što ovo znači za vas kao pacijenta

Zasad praktički ništa se ne mijenja. Ako ste naručeni na CT trbuha, pretragu će očitati radiolog, a nalaz ćete dobiti na uobičajen način. Promjene koje ovakva istraživanja donose obično se osjete tek nakon nekoliko godina, i to kroz kraće čekanje na nalaz ili ranije prepoznavanje hitnih stanja, a ne kroz to da vam dijagnozu postavi računalo.

Ako u nekom trenutku čujete da je u obradi vaše snimke sudjelovao računalni program, imate pravo pitati koju je točno ulogu imao i tko je potpisao nalaz. Odgovor bi uvijek trebao biti da je nalaz potpisao liječnik.

Za ovaj tekst pročitali smo objavljeni rad i dokumentaciju modela, pa ćemo javiti ako se pokaže da model radi jednako dobro i na snimkama izvan ustanova u kojima je nastao. To je provjera koja obično dolazi godinu ili dvije nakon prvog rada i tek ona pokaže koliko je otkriće stvarno izdržljivo.

Česta pitanja

Može li umjetna inteligencija zamijeniti radiologa?

Ne. Radiolog uz snimku ima i povijest bolesti, nalaze pretraga i razgovor s liječnikom koji je pacijenta uputio, a uz to snosi odgovornost za nalaz. Programi se razvijaju kao pomoć u radu, ne kao zamjena.

Znači li AUC 0,913 da program griješi u devet posto slučajeva?

Ne. AUC pokazuje koliko dobro program razlikuje one koji nalaz imaju od onih koji ga nemaju, a ne postotak pogrešaka. Stvarni broj propuštenih i lažno prepoznatih nalaza ovisi o tome koliko je program podešen oprezno.

Koristi li se RADAR u hrvatskim bolnicama?

Ne. Riječ je o istraživačkom modelu koji nema oznaku CE kao medicinski proizvod, pa se ne smije koristiti u dijagnostici na pacijentima u Europskoj uniji.

Radi li taj program i na drugim snimkama, primjerice na snimkama zubi?

Ne. RADAR je učen isključivo na CT snimkama trbuha s kontrastom i ograničen je na nalaze u trbušnim organima. Za druge vrste snimaka razvijaju se zasebni modeli.

Mogu li svoju snimku poslati takvom programu na internetu?

To se ne preporučuje. Medicinske snimke sadrže osjetljive osobne podatke, a programi dostupni na internetu nisu provjereni za dijagnostičku upotrebu niti jamče zaštitu podataka. O nalazu razgovarajte s liječnikom.

---

Naslovna slika: MART PRODUCTION / Pexels