Computer vision gamit ang AI: mga bagong posibilidad sa pangangalagang pangkalusugan

Computer vision at kalusugan

Kasama ng malalaking modelo ng wika, gaya ng ginagamit sa ChatGPT, ang computer vision ay mahalagang larangan ng artificial intelligence o AI. Gumagamit ito ng mga paraang tulad ng neural network at deep learning upang suriin ang mga larawan at makilala ang mga elemento ng kapaligiran.

Kabilang sa mga aplikasyon nito ang tulong sa pagmamaneho at mga robot na nakagagalaw sa mga lugar na hindi kasingkontrolado ng pabrika. Nag-iiba ang antas ng awtonomiya ayon sa sistema at kondisyon.

Nakadaragdag ang mga aplikasyong ito sa pangangailangan para sa computer vision. Ayon sa pagtataya sa merkado na binanggit, maaaring umabot sa 9.2 bilyong dolyar ang sektor pagsapit ng 2029, batay sa saklaw na ginamit ng pinagmulan.

Pinagmulan: EPAM

Mahalaga rin ang pagsusuri sa kalusugan. Maraming klinikal na pagtatasa ang nangangailangan ng direktang pagtingin sa pasyente o ekspertong interpretasyon ng X-ray, CT scan at iba pang medikal na larawan.

Maaaring magkaiba ang interpretasyon ng mga tagasuri at kailangan dito ang karanasan. Pinahihirap ng pagkakaiba-iba ng mga pasyente ang awtomasyon, bagaman matagal nang awtomatiko ang maraming medikal na pagsukat.

Sinusuri ngayon ng mga kumpanya kung paano makatutulong ang computer vision sa interpretasyon ng medikal na larawan. Ang mas mahusay na resulta sa isang pag-aaral ay hindi awtomatikong nangangahulugan ng mas mabuting pangangalaga sa lahat ng sitwasyon.

Direktang pagsusuri sa nakikitang palatandaan

Tinalakay namin ang isang eksperimentong sistema para sa pagkilala ng impeksiyon sa tainga sa artikulong “AI bilang mahalagang kasangkapan sa medikal na pagsusuri”.

Pinag-aaralan din ang mga aplikasyon sa ibang kondisyon. Halimbawa, sinubok ang isang sistema ng Google para makilala ang 26 na kondisyon sa balat, na kumakatawan sa malaking bahagi ng mga kasong kasama sa pag-aaral. May mga sistema rin para sa pagkilala ng diabetic retinopathy o pagtataya sa panganib na magkaroon nito sa hinaharap. Magkakaiba ang kinakailangang pagpapatunay at pahintulot para sa bawat gamit.

May mga pag-aaral ding kumukuha ng impormasyong hindi madaling makita ng tao, gaya ng pagtataya kung may anemia mula sa larawan ng likod ng mata. Pananaliksik ito at hindi pangkalahatang kapalit ng pagsusuri sa dugo. Ginagamit din ang mga larawan ng retina upang tantiyahin ang ilang salik ng panganib sa sakit sa puso.

Makatutulong din ang computer vision sa pagkilala ng lesyon habang nagsasagawa ng endoscopy. Halimbawa, ang mga sistema ng Iterative Health ay idinisenyong tumulong sa pagtukoy ng mga abnormalidad sa sistemang panunaw. Hindi katumbas ng tiyak na diagnosis ng kanser ang pagkakita lamang ng lesyon.

Pagsusuri ng mga medikal na larawan

Maaaring maging masalimuot ang interpretasyon ng X-ray, CT scan, ultrasound at iba pang uri ng medikal na larawan.

Makatutulong ang AI sa kalidad ng larawan at sa pamamahala at pagsusuri ng datos.

Halimbawa, ang Cleerly ay sumusuri ng coronary computed tomography angiography o CCTA upang gumawa ng tatlong-dimensiyong modelo ng mga coronary artery, tukuyin ang loob at dingding ng mga ugat, at sukatin ang pagsisikip at plaque bilang suporta sa klinikal na pagtatasa.

Ang Butterfly Network (BFLY ) ay gumagawa ng portable na ultrasound probe na gumagamit ng semiconductor sa halip na tradisyonal na piezoelectric crystal, kasama ng mga kasangkapang software. Nakadepende sa aparato at gamit ang mga tampok na 3D.

Pinagmulan: Butterfly Network

Ang Verisound, ang pangkat ng mga digital at AI na solusyon para sa ultrasound ng GE HealthCare, ay may mga kasangkapan para gabayan ang pagkuha ng larawan, gawing awtomatiko ang ilang gawain at pagbutihin ang daloy ng trabaho. Nag-iiba ang mga indikasyon ayon sa produkto; hindi ito hiwalay na subsidiary.

Pinag-aralan din ng mga mananaliksik ng Google ang AI para makilala ang mga palatandaan ng kanser sa suso sa mga larawan at mabawasan ang ilang gawain sa pagbasa ng mga espesyalista. Nakadepende ang benepisyo sa pagpapatunay at pagsasama nito sa pangangalaga.

Magkakaiba ang tungkulin ng mga produkto ng Oxipit. Tumutulong ang ChestEye sa pagsusuri ng X-ray sa dibdib. Ang ChestLink naman ay maaaring gumawa ng sariling ulat para sa mga larawang walang natukoy na palatandaang nangangailangan ng aksiyon, kapag natugunan ang itinakdang pamantayan. Ipinapasa sa radiologist ang mga kasong hindi tiyak.

Operasyon

Makatutulong ang AI sa mga siruhano, halimbawa sa pagbibigay ng impormasyon habang nag-oopera o sa pagsusuri ng mga video. Hindi nangangahulugang ganap na awtonomiko ang operasyong tinutulungan ng robot.

Inilarawan ni Dr. Eckhoff, isang mananaliksik sa AI at inobasyon sa operasyon sa Massachusetts General Hospital, ang mga sistemang nakapagtataya ng susunod na yugto ng operasyon nang 15–30 segundo nang mas maaga sa ilang pag-aaral. Hindi nito ginagarantiya ang tumpak na hula sa bawat operasyon.

Isang halimbawa ng paggabay gamit ang augmented reality ang kumpanyang Pranses na Pixee Medical, na gumagamit ng 3D tracking sa smartphone o smart glasses para sa operasyong ortopediko. Hindi awtomatikong katumbas ng awtonomikong operasyong pinapatakbo ng AI ang augmented reality.

Makatutulong din ang computer vision sa pagtatala ng mga gawain at pagsubaybay sa mga instrumento. Ayon sa isang pagtatayang binanggit, may naiiwang bagay sa loob ng pasyente sa humigit-kumulang 1,500 operasyon bawat taon sa Estados Unidos. Nakadepende ang tantiya sa pinagmulan at panahon. Maaaring mabawasan ng awtomatikong pagsubaybay ang panganib, ngunit hindi nito garantisadong mapapawi ang problema o mapapalitan ang mga pamamaraan ng pagbibilang.

Pamamahala ng Datos

Datos ng Pasyente

Mahalaga sa tuloy-tuloy at de-kalidad na pangangalaga ang maayos na pamamahala ng datos ng pasyente.

Maaaring makatulong ang pagkilala sa mukha upang maiugnay ang isang tao sa tamang rekord medikal. May mga tagapagbigay tulad ng Facia sa larangang ito. Kailangang isaalang-alang ang katumpakan, pahintulot, pagkapribado at posibleng maling pagkakakilanlan.

Kailangan ding pagsamahin ang mga larawan sa radiology, rekord medikal, dokumento mula sa ibang ospital at reseta sa mga sistemang nakapagpapalitan ng datos.

Maaaring masalimuot ang integrasyon. Ang mga kasangkapang tulad ng CloudMedxHealth ay naglalayong mapadali ang paggamit ng digital na datos pangkalusugan.

Pinagmulan: CloudMedxHealth

Maaari ring pagsama-samahin ang datos upang suriin ang mga populasyon at daloy ng pangangalaga, gaya ng ginagawa ng Komodo Health. Hindi nangangahulugang kumpleto o pantay-pantay ang saklaw nito sa buong sistemang pangkalusugan ng Estados Unidos.

Pagsubaybay

Makatutulong ang AI sa pagsubaybay sa ilang gawain sa ospital, gaya ng pagsunod sa kalinisan. Nakadepende ang bisa sa kalidad ng datos at paraan ng pangangasiwa.

Sa bahay, maaaring suportahan ng mga kasangkapan ang rehabilitasyon at paggaling. Maaari nitong gawing mas madaling maabot ang ilang serbisyo, ngunit hindi lahat ng paggamot ay angkop sa malayuang pangangalaga at hindi awtomatiko ang pagtitipid.

Nakakakita ang ilang sistema ng posibleng pagkahulog at nagpapadala ng babala. Nakadepende sa serbisyo at pagpapatunay ng pangyayari ang pagtawag sa mga serbisyong pang-emergency.

Maaari ring gumamit ang telehealth ng mga kasangkapang tulad ng sa Corti.AI. Tinalakay namin ito sa artikulong “Magpagamot mula sa bahay: limang stock sa telemedicine”.

Pagsusulong ng Medikal na Pananaliksik

Madalas na masalimuot at magkakaiba ang biyolohikal at medikal na datos. Pinahihirap nito ang paghahambing at awtomasyon, ngunit hindi nangangahulugang hindi mahigpit ang mga pamantayang pang-agham ng biyolohiya.

Maaaring magkakaiba ang mga sampol sa maraming katangian na kailangang isaalang-alang sa disenyo at pagpapatunay ng pagsusuri.

Nangangailangan pa rin ng manwal na pagtatasa ang ilang pagsusuri sa mikroskopyo, lalo na ang hugis at anyo ng mga selula. Gayunman, matagal nang awtomatiko ang maraming uri ng pagbibilang sa dugo.

Makatutulong ang computer vision sa mga gawaing ito. Halimbawa, ang Shonit ng SigTuple ay sumusuporta sa pagsusuri ng mga larawan ng selula ng dugo. Hindi nito pinapalitan ang lahat ng bahagi ng complete blood count o ang pagsusuri ng espesyalista.

Pinagmulan: Sigtuple

Ang mga kasangkapang tulad ng Enlitic ay tumutulong na gawing pare-pareho ang datos at metadata ng medikal na larawan. Napadadali nito ang pag-aayos at paggamit sa pananaliksik, ngunit hindi ito diagnosis sa sarili nito.

Dumarami rin ang datos sa genomics, transcriptomics at proteomics sa ilalim ng multiomics, na tinalakay namin sa “Multiomics bilang susunod na hakbang sa biotechnology”.

Pinag-aaralan din ang AI sa pagdisenyo ng mga kasangkapan sa gene editing, gaya ng nasa “Gene editing na tinutulungan ng AI sa pamamagitan ng OpenCRISPR-1”.

Pagtulong sa mga taong may kapansanan sa pandama

Makatutulong ang computer vision sa mga bulag o mahina ang paningin upang makilala ang mga bagay at maunawaan ang kapaligiran. Nakadepende ang katumpakan sa aparato at kondisyon ng paggamit.

Maaari rin nitong kilalanin ang teksto sa mga larawan at basahin ito nang malakas.

May mga kasangkapan ding nagpapahintulot sa pagkontrol ng aparato sa pamamagitan ng kilos o ekspresyon ng mukha, ayon sa kakayahan at pangangailangan ng gumagamit.

Mga kumpanyang aktibo sa computer vision

1. Alphabet

Isa ang Google sa malalaking kumpanyang teknolohikal, na kilala sa search engine nito at sa Android.

Aktibo rin ito sa AI, kabilang ang pananaliksik at mga aplikasyon ng computer vision sa kalusugan, mula sa pagkilala ng sakit hanggang sa pag-iwas at suporta sa paggamot.

May gamit din ang AI sa labas ng pagsusuri ng larawan. Halimbawa, ang AlphaFold ng Google DeepMind ay nagtataya ng 3D na estruktura ng mga protina at, sa mga mas bagong bersiyon, ng interaksiyon ng mga molekula. Makatutulong ito sa pagsasaliksik ng gamot ngunit hindi nito napapatunayan nang mag-isa ang kaligtasan o bisa sa tao. Tinalakay namin ito sa “Mga pangakong dulot ng prospective modeling para sa pagtuklas ng gamot gamit ang AI”.

Pinagmulan: News Medical

Kabilang sa iba pang proyektong pangkalusugan ng Google ang Med-PaLM, na pinag-aralan gamit ang mga tanong na katulad ng nasa pagsusulit para sa lisensiyang medikal; Open Health Stack, mga open-source na kasangkapan para sa developer; DeepVariant, para sa pagsusuri ng genomic na datos; at deep learning para sa mga elektronikong rekord medikal. Hindi katumbas ng pahintulot na manggamot ang mataas na marka sa isang pagsusulit.

Ang Vision AI ng Google ay may iba pang gamit, tulad ng pagsusuri ng larawan at dokumento. Magkaugnay ngunit magkakaibang uri ng teknolohiya ang mga sistemang lumilikha ng teksto, larawan at video.

Ang Alphabet (GOOG ) at Google ay may malawak na gawain sa AI, kabilang ang mga aplikasyon ng computer vision sa kalusugan.

2. Butterfly Network

Gumagawa ang Butterfly ng portable na ultrasound probe at software para sa pamamahala ng daloy ng trabaho, kabilang ang Compass. Hindi dapat ipagkamali ang mga kasangkapan sa pamamahala bilang awtonomikong klinikal na diagnosis.

Pinagmulan: Butterfly Network

Ang ikatlong henerasyon ng probe ay ipinakilala sa paglulunsad ng iQ3 sa Estados Unidos noong Pebrero 2024. Ayon sa kumpanya, doble ang bilis ng paglilipat ng datos at lakas ng pagproseso nito kumpara sa naunang henerasyon. Gumagamit ang Ultrasound-on-Chip ng maliliit na capacitive transducer sa semiconductor sa halip na tradisyonal na piezoelectric crystal.

Kabilang sa mga tampok ang 3D o sabay na pagtingin sa higit sa isang plane para sa ilang aplikasyon, integrasyon sa software at mabilis na pagsisimula. Nag-iiba ang tampok, availability at presyo ayon sa merkado at planong binili.

Gumagamit ang Butterfly ng AI para sa ilang pagsukat, paggabay sa pagkuha ng larawan at pagsasanay. Nananatili sa propesyonal sa kalusugan ang pananagutan sa interpretasyon at klinikal na paggamit.

Pinagmulan: Butterfly Network

Nag-anunsiyo ang kumpanya ng paglawak sa mga pamilihan sa Asya, kabilang ang Singapore, Indonesia at Pilipinas, at sa beterinaryong paggamit. Maaaring makatulong ang portability sa mga pagsusuri sa labas ng klinika, ngunit nag-iiba ang mga indikasyon at pahintulot ayon sa produkto at merkado.