
DI spektroskopinė analizė
Bendradarbiavimas su Santaros klinikomis / Projektas
Bendradarbiavome su pirmaujančia Lietuvos ligonine VUL Santaros klinikomis, kad išspręstume kritinę nefrologijos problemą: lėtą ir netikslią inkstų akmenų analizę.
Lietuvoje kasmet atliekama apie 3000 inkstų akmenų šalinimo operacijų, todėl būtina atlikti tikslią akmenų sudėties analizę. Netinkamas inkstų akmenų nustatymas dažnai lemia neefektyvų gydymą, pakartotinį akmenų susidarymą ir didesnę komplikacijų, įskaitant inkstų infekcijas ir inkstų nepakankamumą, riziką.
Tradicinis rankinis akmenų sudėties cheminės analizės metodas užima daug laiko ir yra linkęs į žmogiškąsias klaidas. Net ir taikant Furjė transformacijos infraraudonųjų spindulių (FTIR) spektroskopiją, medicinos specialistai dažnai vėluoja dėl rankinio interpretavimo, todėl didėja klaidingos diagnozės ar netinkamo gydymo planų rizika. Santaros klinikos siekė supaprastinti šį procesą, kad būtų galima greičiau ir patikimiau nustatyti diagnozes, sumažinti pacientų pakartotinių hospitalizacijų skaičių ir suplanuoti veiksmingesnius gydymo būdus.
„Sukurtas prototipas ir perspektyvus tolesnis šios technologijos vystymas neabejotinai pagerins pacientų gydymo kokybę ir leis Santaros klinikoms tapti ML metodų taikymo Lietuvoje novatorėmis“, - sakė Tadas Šubonis, AAI Labs CTO.
Sprendimas
Pristatėme dirbtiniu intelektu valdomą FTIR spektrinės analizės sistemą, skirtą inkstų akmenų sudėčiai nustatyti. Pasitelkusi dirbtinio intelekto gebėjimą greitai analizuoti didžiulius spektroskopinių duomenų kiekius, sistema lygina paciento inkstų akmenų spektrus (juoda linija) su galimų medžiagų sudėčių biblioteka (pilkos linijos). Ši naujovė leidžia gydytojams iš karto nustatyti pagrindinius inkstų akmenų elementus ir tiksliau prognozuoti jų susidarymą.
Automatizavus interpretavimo procesą naudojant pažangius dirbtinio intelekto algoritmus, sistema gali sutrumpinti analizės laiką nuo kelių valandų iki kelių minučių. Dirbtinio intelekto modeliai buvo apmokyti naudojant šimtus esamų spektrų pavyzdžių, kad atpažintų unikalius skirtingų akmenų tipų požymius, pavyzdžiui, kalcio oksalato dihidrato (mėlyna linija), šlapimo rūgšties akmenų ir kt. Dirbtinio intelekto variklis potencialiems atitikmenims priskiria tikėtinumo balus, todėl gydytojai gali priimti gydymo sprendimus remdamiesi labai tiksliomis, duomenimis pagrįstomis įžvalgomis.
Sprendimo privalumai:
Greitis - dirbtinio intelekto sistema iki 80% sutrumpino analizės laiką, todėl beveik akimirksniu gaunami rezultatai, kuriais galima vadovautis skiriant gydymą.
Tikslumas - mašininio mokymosi algoritmai užtikrina didesnį tikslumą, sumažindami žmogiškųjų klaidų riziką, kuri gali atsirasti atliekant analizę rankiniu būdu.
Pacientų rezultatai - greičiau nustatę diagnozę, gydytojai gali įgyvendinti specialiai pritaikytus gydymo planus, kurie sumažina ligos pasikartojimo tikimybę, o tai pagerina pacientų priežiūrą ir sumažina ilgalaikes gydymo išlaidas.
Pritaikomumas kitose srityse
Onkologija: vėžio diagnostika
FTIR spektroskopija gali būti taikoma audinių mėginių analizei, kad būtų galima atskirti gerybinius ir piktybinius navikus. Naudojant dirbtinį intelektą, sistema galėtų analizuoti vėžinių audinių mėginius ir tiksliau nustatyti vėžio tipą ir stadiją, siūlydama mažiau invazinį ir greitesnį diagnostikos metodą nei dabartiniai biopsijos metodai. Kaip savo 2018 m. straipsnyje teigia Kumari ir kt. autoriai, dirbtinio intelekto valdomas FTIR galėtų pagerinti ankstyvąjį vėžio nustatymą, ypač tokių sunkiai diagnozuojamų vėžinių susirgimų, kaip kasos ir kiaušidžių vėžys, atveju.
Farmacija: vaistų grynumo tyrimai
Farmacijos pramonėje vaistų grynumo ir kokybės užtikrinimas yra gyvybiškai svarbus pacientų saugai. FTIR su dirbtiniu intelektu galėtų būti taikomas vaistų sudėčiai tikrinti, greitai nustatant priemaišas ar teršalus. Pavyzdžiui, gaminant antibiotikus, AI modelis galėtų užtikrinti nuoseklų grynumą, sumažinti riziką pacientams ir kartu padidinti gamybos efektyvumą.
Maistas ir žemės ūkis: kokybės kontrolė
Žemės ūkio produktams galima taikyti dirbtinio intelekto valdomą spektroskopinę analizę, kad būtų užtikrinta maisto produktų kokybė ir sauga. Analizuodama pasėlių, vaisių ir daržovių cheminę sudėtį, sistema gali aptikti užterštumą, pesticidų likučius ir kitas kenksmingas medžiagas. Tai galėtų pagerinti kokybės kontrolės procesus tokiose pramonės šakose kaip vyndarystė ir pieno gamyba, kur spektroskopinė analizė jau naudojama, tačiau lėčiau ir rankiniu būdu.
Aplinkos stebėsena
Aplinkos moksluose dirbtiniu intelektu patobulinta spektroskopinė analizė gali būti naudojama oro ir vandens kokybės stebėsenai realiuoju laiku. Nustatant teršalus, pavyzdžiui, sunkiuosius metalus ar lakiuosius organinius junginius (LOJ), galima laiku pateikti įžvalgų aplinkos apsaugos agentūroms ir pramonės reguliavimo institucijoms, kad būtų išvengta žalos ekosistemoms ir visuomenės sveikatai. Ši technologija gali būti neįkainojama nustatant naftos išsiliejimus, cheminių medžiagų nuotėkius ar oro taršos lygį tiksliau ir veiksmingiau nei esamos technologijos.
Klientas
Vilniaus universiteto ligoninė Santaros klinikos
