Kauno technologijos universiteto (KTU) Matematikos ir gamtos mokslų fakulteto mokslininkai, taikantys dirbtinio intelekto ir matematinius metodus vėžio diagnostikos srityje, turės geresnes galimybes atlikti tyrimams. IT pasaulyje gerai žinoma gamintoja „NVIDIA“ mokslininkams dovanojo vieną galingiausių rinkoje grafinį procesorių, specialiai sukurtą mašininiam mokymuisi ir dirbtinio intelekto skaičiavimams. Panaudoję šį procesorių mokslininkai tikisi ženkliai patobulinti automatizuotą sistemą, kuri analizuotų žmogaus audinių skaitmeninius vaizdus panaudojant matematinius metodus, ir taip padėtų pacientams greičiau diagnozuoti vėžį.
Skaičiavimai pagreitės iki šimto ar daugiau kartų
KTU mokslininkai sprendžia uždavinį, kad vėžio sukeltus ir vizualiniu būdu užfiksuotus pakitimus žmogaus organizme pirmiausiai aptiktų dirbtinis intelektas, palengvindamas ir pagreitindamas medicinos profesionalų darbą.
Pasak technologijos mokslų daktaro Tomo Iešmanto, atliekančio dirbtinio intelekto tyrimus KTU Matematikos ir gamtos mokslų fakultete (MGMF), nauja gauta įranga atveria galimybes toliau tobulinti atradimus, susijusius su vėžio diagnostikos procesu, kai efektyvesniam medikų darbui pasitelkiami informacinių technologijų ir matematikos pasiekimai.
Konkurso būdu KTU komandai paskirtas naujasis „Titan V“ procesorius sukurtas panaudojus tensorinių branduolių architektūrą ir kol kas dar neparduodamas Lietuvos rinkoje. T. Iešmanto teigimu, naujas įrenginys bus stiprus postūmis, leidžiantis ženkliai greičiau atlikti skaičiavimus, reikšmingus vėžio diagnostikai.
„Kol kas sudėtinga pasakyti konkrečiais skaičiais, kiek pagreitės atliekamų skaičiavimų, reikalingų nustatyti vėžį, procesas. Greitis labai priklauso dar ir nuo naudojamų giliųjų neuroninių tinklų architektūrų. Tačiau galima tikėtis dešimtis ir šimtus kartų greitesnių rezultatų, lyginant su įprastinių procesorių klasteriais“, – teigia jis.
Šiuo metu mokslininkas dirba atlikdamas biomedicininių vaizdų analizę. „Pavyzdžiui, vienas iš darbų yra histologinių krūties vėžio nuotraukų analizė ir giliųjų neuroninių tinklų panaudojimas tokiai analizei automatizuoti. Naudojami gilieji neuronų tinklai yra labai sudėtingi ir sunkiai apmokomi įprastiniu CPU klasteriu, t.y., atskiru procesorių rinkiniu, skirtu moksliniams skaičiavimams.
T. Iešmantas pasakoja: iki šios įrangos gavimo vieno tinklo apmokymas užtrunka labai ilgai – savaitę ar net dvi, todėl naujasis procesorius suteiks galimybę skaičiavimus pagreitinti. „O tai reiškia didesnį konkurencingumą su užsienio tyrėjų grupėmis, kurios dirba šiose srityse. Taip pat, kadangi rezultatai bus gaunami greičiau, bus galima daugiau parengti publikacijų aukšto lygio mokslo žurnaluose“, – tikisi jis.
KTU mokslininkai šiuo metu dirba ne vien tik krūties vėžio histologinių nuotraukų analizės srityje. Taip pat eksperimentuojama kuriant plaučių vėžio ir kitų plaučių ligų aptikimo metodus.
Vėžio diagnozavimui pasitelkiami matematiniai metodai
Iki šiol medicinos praktikoje vėžys neretai nustatomas pasikliaujant vizualine informacija. Paprastai tariant, medicinos diagnostikos profesionalai analizuoja įtarimų keliančio audinio nuotraukas ir vertina, ar yra pakitimų. „Tokių skaitmeninių vaizdų analizė ir tikslus įvertinimas reikalauja daug laiko. Dėl žmogiškojo faktoriaus sunku išvengti klaidų, o šios esant vėžiui gali turėti labai rimtų padarinių“, – pastebi T. Iešmantas.
Pasak jo, matematinių metodų taikymo tokių vaizdų analizėje tikslas yra pagelbėti specialistams, kad būtų padaryta kuo mažiau klaidų, o audinio pakitimai būtų įvertinti kuo tiksliau. Tokiu būdu vyksta dalinis vėžio diagnostikos proceso automatizavimas.
Iki šiol T. Iešmanto universitete vykdomiems vėžio diagnostikos bandymams buvo pasirinktas visiškai naujas Lietuvoje ir pasaulyje metodas, kurį maždaug prieš metus pristatė garsus kognityvinės psichologijos ir kompiuterių mokslo ekspertas Geoffrey E. Hintonas iš Toronto universiteto (Kanada).
„Google“ kompanijoje mokslo tyrimus atliekantis ir giliojo mokymosi srities krikštatėviu tituluojamas G. Hintonas sukūrė ir mokslo bendruomenei pristatė vadinamąjį kapsulinį neuroninį tinklą. Panašaus pobūdžio dirbtinių neuronų grupės pasaulyje naudojamos ne tik medicinoje, bet ir finansų valdyme, pramonėje, netgi karyboje.
T. Iešmantas analizavo medicinines, mikroskopu darytas krūties audinio nuotraukas, kurias pateikė Porto universitetas (Portugalija). Jungtinė mokslininkų komanda siekė sudaryti matematinį metodą, kuris leistų automatiškai klasifikuoti krūties audinio nuotraukas į minėtus keturis tipus, maksimaliai eliminuojant klaidų galimybę. Nuotraukose buvo užfiksuoti keturių tipų audiniai: nevėžinis audinys, karcinoma, neinvazinė ir invazinė karcinomos, iš kurių dažniausiai ir atpažįstama klastinga liga.
„Metodas buvo patikrintas su šimto pacientų krūties audinio histologinėmis nuotraukomis ir gautas 85 proc. tikslumas“, – preliminarius eksperimento rezultatus apibūdino tyrėjas, pavadindamas juos „daug žadančiais“. Šios krypties tyrimams vadovauja KTU MGMF profesorius Robertas Alzbutas.
Paklaustas, ar gali būti, kad ateityje vėžį nustatys pats kompiuteris be žmogaus pagalbos, T. Iešmantas pabrėžia, kad kol kas tai tik vizija, tačiau link jos einama. „Jau yra pavyzdžių, kai giliojo mokymosi metodai taikomi ir klinikinėje veikloje, o ne vien tik moksliniuose vėžio tyrimuose, tačiau kažin, ar šie metodai visiškai eliminuos žmogų iš diagnostikos proceso. Bent jau ne artimiausiu metu“, – pabrėžia T. Iešmantas, neabejojantis, kad giliojo mokymosi metodų taikymas netruks paplisti klinikinėje veikloje bent iš dalies automatizuojant ir pagerinant tam tikrų vėžio tipų diagnostiką.
