Учените от Кеймбридж са разработили мощен инструмент с изкуствен интелект, който може да диагностицира цьолиакия от изображения от биопсия с над 97% точност .
Обучен на хиляди проби от различни източници, алгоритъмът предлага по-бърз и по-надежден начин за идентифициране на състоянието, което е особено важно, като се има предвид колко често симптомите се пропускат или неправилно диагностицират. Изследователите казват, че това може да облекчи натиска върху здравните системи и да помогне на регионите с недостатъчно обслужване.
AI постига 97% точност при диагностицирането на целиакия
Доказано е, че алгоритъм за машинно обучение, разработен от учени от университета в Кеймбридж, точно открива целиакия в 97 от 100 случая въз основа на проби от биопсия .
Обучен на близо 3400 сканирани биопсии от четири болници на NHS, инструментът с изкуствен интелект може да помогне за ускоряване на диагностиката и намаляване на тежестта върху пренапрегнатите здравни системи. Той също така е обещаващ за подобряване на достъпа до диагностика в условия с ниски ресурси, където има сериозен недостиг на обучени патолози.
Цифрови инструменти като този започват да показват реален потенциал в подпомагането или дори автоматизирането на анализа на диагностичните тестове. Въпреки че голяма част от фокуса досега е бил върху откриването на рак, сега изследователите проучват как AI може да помогне за диагностицирането на по-широк спектър от заболявания.
Едно от тези състояния е целиакия, автоимунно разстройство, предизвикано от консумацията на глутен. Симптомите могат да варират значително от човек на човек и могат да включват стомашна болка, диария, кожни обриви, загуба на тегло, умора и анемия. Поради тази вариация, поставянето на точна диагноза може да бъде предизвикателство и често отнема години.
Предизвикателства при идентифицирането на цьолиакия
Златният стандарт за диагностициране на целиакия е чрез биопсия на дванадесетопръстника (част от тънките черва). След това патолозите ще анализират пробата под микроскоп или на компютър, за да потърсят увреждане на вилите, малки издатини, подобни на косми, които покриват вътрешността на тънките черва.
Тълкуването на биопсии, които често имат фини промени, може да бъде субективно. Патолозите използват класификационна система, известна като скала на Марш-Оберхубер, за да преценят тежестта на даден случай, варираща от нула (вилите са нормални и е малко вероятно пациентът да има заболяването) до 4 (вилите са напълно сплескани).
Обучение на AI за данни от различни биопсии
В изследване, публикувано днес (27 март) в New England Journal of Medicine AI , изследователи от Кеймбридж разработиха алгоритъм за машинно обучение за класифициране на данни от биопсични изображения. Алгоритъмът беше обучен и тестван върху широкомащабен, разнообразен набор от данни, състоящ се от над 4000 изображения, получени от пет различни болници, използвайки пет различни скенера от четири различни компании.
Старши автор професор Елизабет Soilleux от Катедрата по патология и Чърчил Колидж, Университета в Кеймбридж, каза: “Целиакия засяга най-много един на 100 души и може да причини сериозно заболяване, но поставянето на диагноза не е лесно. Може да отнеме много години, за да се получи точна диагноза, и във време на силен натиск върху здравните системи, тези забавяния вероятно ще продължат. AI има потенциала да ускори този процес, позволявайки на пациентите за да получите по-бърза диагноза, като в същото време намалите натиска върху списъците с чакащи на NHS.“
Силни резултати от независимо тестване
Екипът тества своя алгоритъм върху независим набор от данни от почти 650 изображения от невиждан досега източник. Въз основа на сравнения с първоначалните диагнози на патолозите, изследователите показаха, че моделът е бил правилен в диагнозата си в повече от 97 случая от 100.
Моделът имаше чувствителност от над 95% – което означава, че правилно идентифицира повече от 95 случая от 100 индивида, които са имали целиакия. Освен това имаше специфичност от почти 98% – което означава, че правилно идентифицира почти 98 случая от 100 индивида, които не са имали цьолиакия.
Човешки патолози срещу производителност на AI
Предишни изследвания на екипа показват, че дори патолозите могат да не са съгласни с диагнозите. Когато бяха показани поредица от 100 слайда и бяха помолени да диагностицират дали пациентът има цьолиакия, няма заболяването или дали диагнозата е неопределена, екипът показа, че има несъгласие в повече от един на всеки пет случая.
Този път изследователите помолиха четирима патолози да прегледат 30 слайда и установиха, че един патолог е толкова вероятно да се съгласи с модела на ИИ, колкото и с втори патолог.
Гъвкав и мащабируем инструмент за диагностика
Д-р Флориан Джекъл, също от Катедрата по патология и научен сътрудник в Hughes Hall, Кеймбридж, каза: “Това е първият път, когато AI е доказано, че диагностицира толкова точно, колкото опитен патолог, дали дадено лице има целиакия или не. Тъй като го обучихме на набори от данни, генерирани при редица различни условия, ние знаем, че трябва да може да работи в широк диапазон от настройки, където биопсиите се обработват и изобразяват по различен начин.
“Това е важна стъпка към ускоряване на диагностицирането и освобождаване на време на патолозите да се съсредоточат върху по-сложни или спешни случаи. Следващата ни стъпка е да тестваме алгоритъма в много по-голяма клинична извадка, поставяйки ни в позиция да споделим това устройство с регулатора, което ни доближава до този инструмент, използван в NHS.”
Доверие на пациентите и прозрачност на AI
Изследователите работят с групи пациенти, включително чрез Celiac UK, за да споделят своя подход и да обсъдят с тях тяхната възприемчивост към използваната технология като тази.
„Когато говорим с пациенти, те обикновено са много възприемчиви към използването на AI за диагностициране на целиакия“, добави д-р Jaeckle. „Това без съмнение отчасти отразява техния опит от трудностите и закъсненията при получаване на диагноза.
“Един въпрос, който често възниква както при пациентите, така и при клиницистите, е въпросът за “обяснимостта” – да можем да разберем и обясним как AI достига до диагнозата си. Важно е за нас като изследователи и за регулаторите да имаме предвид това, ако искаме да гарантираме, че има обществено доверие в приложенията на AI в медицината.”
Патолози стартират AI Spinout Company
Професор Soilleux е консултант хематопатолог в Cambridge University Hospitals NHS Foundation Trust. Заедно с д-р Jaeckle, тя е създала компания, Lyzeum Ltd, за комерсиализиране на алгоритъма.
Изследването е финансирано от Celiac UK, Innovate UK, Кеймбриджкия център за базирани на данни открития и Националния институт за изследване на здравето и грижите.
Кийра Шепърд, изследовател в Celiac UK, каза: “По време на диагностичния процес е жизненоважно пациентите да поддържат глутен в диетата си, за да се гарантира, че диагнозата е точна. Но това може да причини неприятни симптоми. Ето защо е наистина важно те да могат да получат точна диагноза възможно най-бързо.
Микроскопско изображение, показващо здрави власинки. Кредит: Флориан Джекъл/Кеймбриджкия университет
Справка: „Машинното обучение постига диагностика на цьолиакия на ниво патолог“ от Jaeckle, F, Denholm, J & Schreiber, B., 27 март 2025 г., NEJM AI .
DOI: 10.1056/AIoa2400738
https://scitechdaily.com/
