Mākslīgā intelekta izmantošana gastroenteroloģijā
Dr. Ivars Tolmanis,
ārsts–gastroenterologs
Mākslīgais intelekts (AI) kā termins ar praktisku nozīmi parādījās pagājušā gadsimta 50. gados, kad datoriem sāka uzticēt sarežģītākas matemātisku darbību ķēdes, lai palīdzētu lēmuma pieņemšanas laika saīsināšanā. Medicīnā interese par AI strauji pieaugusi pēdējo divdesmit gadu laikā. Un par šo tēmu atrodami vairāki desmiti tūkstoši zinātnisku publikāciju.
Mūsdienās strauji pieaug elektroniskās informācijas apjoms par dažādu slimību novēršanas, diagnostikas un terapijas iespējām, kā arī katra indivīda elektronisko medicīnisko datu daudzums. Lai pacientam konkrētajā klīniskajā situācijā izvēlētos medicīniski visatbilstošāko un izmaksu efektīvāko risinājumu kontekstā ar pieejamajiem finansējuma avotiem (apdrošināšanu u.c.), AI loma lēmuma savlaicīgā pieņemšanā kļūst arvien aktuālāka.
Milzīgo elektronisko medicīnas informācijas datu apjomu ar datortehnoloģiju palīdzību var strukturēt datu kopās, un ar matemātisku algoritmu palīdzību izveidot progresīvi pilnveidojošās informācijas sistēmas, kas ar jaunu datu parādīšanos kļūst aizvien “gudrākas”, bet to “lēmumi” aizvien komplicētāki, ievērojami pārsniedzot standarta statistiskās analīzes iespējas. Šo procesu sauc par datoru apmācīšanu (ML, “machine learning”, arī – mašīnmācīšanos). Mākslīgais intelekts ir nākamā informācijas sintēzes pakāpe, kur ML resursus integrē dažādas sarežģītības pakāpes algoritmos, un pietiekami komplicētās situācijās AI spēj “pieņemt bezkaislīgu un precīzu lēmumu”. Uzskatāms piemērs šajā ziņā ir aviācija: šodienas AI tehnoloģijas ļauj pilnīgi autonomi pacelt un nosēdināt milzīgus gaisa kuģus vissarežģītākajos meteoroloģiskajos apstākļos, kamēr cilvēks ar saviem maņu orgāniem un intelektu to nav spējīgs droši paveikt.
Viena no medicīnas jomām, kur ML un AI strauji attīstījusies, ir digitālu attēlu izmantošana. Tipiskākie piemēri ir tādas dažādas populāras attēldiagnostikas metodes kā rentgena tehnoloģijas (ieskaitot datortomogrāfiju), magnētiskās rezonanses un ultraskaņas izmeklējumi. Gastroenteroloģijā digitālu attēlu izmanto dažādās endoskopiju procedūrās, un arī šajā jomā ML un AI ir sasnieguši vērā ņemamu attīstības pakāpi.
Augšējā endoskopija
Augšējā endoskopijā ML un AI visplašāk izmanto Bareta barības vada, Helicobacter pylori gastrīta un kuņģa vēža diagnostikā. Tiesa, šobrīd vairumā gadījumu tas notiek tikai pētniecības projektu ietvaros.
Kolonoskopija
Kolonoskopijā ML un AI visplašāk izmanto zarnas polipu atklāšanā un to morfoloģiskās struktūras novērtēšanā. Atbilstošos apstākļos pielietotas AI tehnoloģijas ļauj izmeklējuma kvalitāti paaugstināt pat par 50%. Lielākais šķērslis ir zarnas iztīrīšanas kvalitāte pirms kolonoskopijas, jo slikti sagatavota zarna AI lietošanas iespējas samazina līdz minimumam. AI kolonoskopijā izmanto arī hroniskas zarnu iekaisuma slimības (čūlaina kolīta un Krona slimības) aktivitātes novērtēšanai. Pagaidām tas notiek pētnieciskos nolūkos.
Gremošanas slimību centrā GASTRO jau vairāk nekā gadu lietojam dažādas AI tehnoloģijas resnās zarnas sīku veidojumu labākai ieraudzīšanai.
Kapsulas endoskopija
Kapsulas endoskopija, ir viena no nozīmīgākajām tehnoloģijām gastroenteroloģijā, kas tuvākajos gados piedzīvos milzīgu attīstības lēcienu. Šobrīd vienreizējās lietošanas kapsulas endoskopi, kas pasīvi pārvietojas tievajā un resnajā zarnā, ir gastroenteroloģiskās diagnostikas ikdiena, un šo tehnoloģiju lietojam arī GASTRO.
Asiņošanas cēloņa, jaunveidojumu, celiakijas un Krona slimības pazīmju meklēšana ir biežākie kapsulu izmantošanas iemesli. AI tehnoloģijas šobrīd pielieto daudzo zarnas attēlu sintēzei un analīzei, lai ātrāk un efektīvāk atrastu patoloģijas. Arvien tuvāk ir brīdis, kad tradicionālo endoskopiju aizvietos kapsulas endoskopi–mikroroboti, kas ar AI palīdzību paši “rāpos” pa zarnu, un visprecīzākajā vietā un laikā paņems audu gabaliņus vai ievadīs mikrosubstances.
Radioloģija
Tieši populārākie radioloģiskie izmeklējumi (ultrasonogrāfija, datortomogrāfija un magnētiskās rezonanses izmeklējumi) bija tie, kur medicīnā visplašāk sāka lietot ML un AI. Ar datortehnoloģiju palīdzību var efektīvi optimizēt ļoti lielu attēlu daudzuma analīzi, atdalot normu no patoloģijas un veicot arī atsevišķu pazīmju atklāšanu un novērtēšanu.
Aknas un aizkuņģa dziedzeris ir orgāni, kuru slimību diagnostikā ar radioloģiskiem izmeklējumiem AI tehnoloģijas izmanto visplašāk.
Morfoloģija
Morfoloģiskā diagnostika vairumā gadījumu balstās uz šūnu un citu audu struktūru kvantitatīviem parametriem (tādiem, kā forma, izmērs, krāsa un iespēja tos dokumentēt ar digitālu attēlu), tas paver plašas iespējas ML un AI tehnoloģiju izmantošanai. Gastroenteroloģijā, apvienojot endoskopijas un morfoloģijas AI tehnoloģijas, var radīt ierīces, kas gremošanas sistēmas gļotādas un tās veidojumu diagnostiku var veikt ar ārkārtīgi augstu precizitāti un efektivitāti.
Elektroniskie medicīniskie dati
Medicīnisko informāciju klasificējot un ievadot elektroniski, iegūst milzīgu informācijas daudzumu, ko cilvēks nav spējīgs efektīvi apstrādāt un analizēt. Ar mākslīgā intelekta tehnoloģiju palīdzību analizējot personas vai personu grupas datus, var veikt slimību un to pazīmju identificēšanu, efektīvākā diagnostikas vai terapijas veida un iznākuma prognozēšanu. Nākotnē šādas platformas būs pieejamas individuālās viedierīcēs, kas savlaicīgi norādīs par tālākās rīcības nepieciešamību vai veiks nepieciešamās korekcijas ar audos vai šūnās implantētu sensoru un reaktoru palīdzību.
