CP v2

Tag: Diagnostika

  • Mechanikai griauna mitą: kodėl paskirstymo grandinė nėra amžina ir kaip išvengti brangaus remonto

    Mechanikai griauna mitą: kodėl paskirstymo grandinė nėra amžina ir kaip išvengti brangaus remonto

    Ilgą laiką vairuotojai kartoja mitą, kad variklio paskirstymo grandinė yra amžina ir jos priežiūra beveik nereikalinga. Praktikoje tai netiesa: grandinės tarnavimo laiką lemia eksploatacija, tepalo kokybė ir priežiūros disciplina.

    Nors grandinė teoriškai atsparesnė nei diržas, ji gali išsitampyti, pradėti barškėti ar net peršokti per dantis. Toks gedimas dažnai baigiasi tuo, ko bijo kiekvienas servisas: stūmoklio ir vožtuvų susidūrimu bei rimtu variklio pažeidimu.

    Kuo baigiasi uždelstas gedimas?

    Jei grandinė peršoka, variklio fazės išsiderina, o pasekmės gali apimti vožtuvų, cilindrų galvutės ir kitų mazgų pažeidimus. Kai kuriuose modeliuose remontas tampa itin sudėtingas, nes patogiam priėjimui tenka ardyti didelę dalį agregatų.

    Dėl didelės darbų apimties remontas neretai kainuoja tūkstančius eurų, o kai kuriais atvejais ekonomiškai patrauklesnis sprendimas būna keisti visą variklį į naudotą. Galutinę sumą labiausiai išpučia darbas, o ne pati detalė.

    Dažniausia priežastis yra tepalas

    Grandinės ilgaamžiškumas labai priklauso nuo įtempiklio, kuris palaiko tinkamą įtempimą. Daugelyje variklių jis yra hidraulinis, todėl tiesiogiai priklauso nuo tepalo slėgio ir švaros.

    Jei tepalas keičiamas per retai, važinėjama su per mažu jo lygiu arba naudojamas netinkamas klampumas, įtempiklis gali pradėti dirbti prastai. Tuomet grandinė greičiau išsitampo, o variklis ima skleisti ryškesnius barškėjimo garsus, ypač užvedimo metu.

    Ką keisti kartu su grandine?

    Susidėvėjusi grandinė dažnai dėvi ir žvaigždutes, o tai gali pagreitinti ir vožtuvų fazių reguliatorių nusidėvėjimą. Dėl to vien grandinės pakeitimas ne visada išsprendžia problemą ilgam, jei paliekami seni, jau paveikti komponentai.

    Servisuose įprasta kartu keisti ir kreipiančiąsias, vadinamuosius slidžius, nes didelė rida ir ilgalaikė apkrova juos nualina. Taip pat rekomenduojama rinktis kokybiškas, gamintojo specifikacijas atitinkančias dalis, nes pigūs analogai dažniau kelia triukšmą ir greičiau praranda geometriją.

    Vairuotojui svarbiausia laiku reaguoti į simptomus: šaltame variklyje atsiradusį barškėjimą, nestabilią darbą, galios kritimą ar įsižiebusią variklio gedimo lemputę. Tokiais atvejais diagnostika ir tepalo priežiūra dažnai kainuoja nepalyginamai mažiau nei uždelstas grandinės gedimas.

  • DI gydytojai klysta net 80 proc. atvejų, bet žmonės vis tiek jais tiki labiau nei medikais

    Dirbtinis intelektas vis sparčiau skverbiasi į mediciną: nuo simptomų vertinimo programėlėse iki sprendimų palaikymo ligoninėse. Tačiau naujausi tyrimai rodo nemalonią realybę: sudėtingesnėse klinikinėse situacijose DI dažnai klysta, ypač kai bandoma nustatyti pirminę diagnozę.

    JAMA Network Open publikuotame darbe apžvelgtas 21 šiuolaikinių DI modelių veikimas pagal klinikinius scenarijus. Tyrėjai pabrėžė, kad pirminės diagnostikos etape klaidų dalis kai kuriais atvejais viršijo 80 proc., o didžiausios problemos fiksuotos analizuojant simptomų visumą ir ligos eigos logiką.

    Kodėl DI suklysta taip dažnai?

    Ekspertai aiškina, kad DI generuoja atsakymus remdamasis tikimybių modeliais ir ankstesniuose duomenyse matytais dėsningumais, bet ne visada „mąsto“ kaip klinicistas. Dėl to sistema gali per mažai įvertinti kontekstą, gretutines ligas, vaistų vartojimą, simptomų dinamiką ar retas būkles.

    Dar viena rizika yra užtikrintas tonas. Net kai atsakymas netikslus, DI gali pateikti jį įtikinamai, todėl žmogus gali pernelyg pasikliauti rekomendacija ir atidėti vizitą pas gydytoją arba pasirinkti netinkamus veiksmus.

    Kodėl žmonės vis tiek labiau pasitiki?

    Pasitikėjimą dažnai lemia ne tik technologijos pažanga, bet ir kasdieniai barjerai sveikatos sistemoje: eilės, ribotas prieinamumas, laiko stoka. DI įrankiai pateikia atsakymą akimirksniu, bet kuriuo paros metu, o tai sukuria patogumo ir kontrolės jausmą.

    Žmonėms taip pat patrauklu tai, kad galima klausti „be gėdos“ ir be registracijos, greitai patikslinti simptomus ar gauti paaiškinimą suprantama kalba. Vis dėlto toks patogumas nereiškia patikimumo, ypač kai kalbama apie skubias būkles ar sprendimus dėl gydymo.

    Kur DI išties naudingas?

    Tyrimuose ir praktikoje pabrėžiama, kad DI stiprybė yra didelių duomenų kiekių apdorojimas ir pagalba ieškant galimų variantų, o ne galutinė diagnozė. Kai kuriose situacijose, pavyzdžiui, apibendrinant medicininius įrašus ar padedant gydytojui peržvelgti gaires, DI gali sutaupyti laiko ir sumažinti administracinę naštą.

    Tačiau specialistai akcentuoja, kad saugiausia DI naudoti kaip pagalbinį įrankį, kai sprendimą priima gydytojas, o pacientas aiškiai supranta ribas. Jei simptomai stiprėja, atsiranda dusulys, krūtinės skausmas, sąmonės sutrikimai ar staigus silpnumas, delsimas dėl savidiagnostikos gali kainuoti labai brangiai.

    Medikų bendruomenė vis dažniau kalba apie poreikį griežčiau vertinti medicininių DI sistemų kokybę, skaidrumą ir atsakomybę. Kitaip tariant, DI gali padėti, bet tik tuomet, kai jis naudojamas kontroliuojamai, o ne kaip gydytojo pakaitalas.

  • „Midjourney“ žada kūno skenavimą per minutę: „Ultrasonic CT“ kelia klausimų dėl saugos

    „Midjourney“ žada kūno skenavimą per minutę: „Ultrasonic CT“ kelia klausimų dėl saugos

    Vaizdus generuojančiais sprendimais išgarsėjusi „Midjourney“ paskelbė kurianti naują kryptį – „Midjourney Medical“. Bendrovė pristato ultragarso principu veikiantį viso kūno skenavimo sprendimą „Ultrasonic CT“, kuris ateityje esą leistų nuskenuoti žmogų maždaug per 60 sekundžių.

    Skirtingai nei kompiuterinė tomografija, technologija būtų paremta ne jonizuojančiąja spinduliuote, o garso bangomis, o tyrimas vyktų vandenyje. Įmonė tai pateikia kaip alternatyvą magnetinio rezonanso tomografijai, kuri dažnai trunka gerokai ilgiau ir reikalauja sudėtingos infrastruktūros.

    Kaip veiktų skenavimas vandenyje?

    Pagal pristatytą koncepciją žmogus stovėtų ant platformos, kuri lėtai panardintų jį į negilų baseiną maždaug 5 centimetrų per sekundę greičiu. Po vandeniu esantys ultragarsiniai jutikliai siųstų ir priimtų signalus iš skirtingų kampų, o skaičiavimo sistema atkurtų trimatį audinių vaizdą.

    „Midjourney“ tvirtina, kad jutikliai veiktų itin dideliu dažniu, o signalai būtų siunčiami ir fiksuojami iki 100 mln kartų per sekundę. Tokia sparta reikštų milžiniškus duomenų srautus, todėl esminis iššūkis tampa ne vien jutikliai, bet ir skaičiavimų bei duomenų perdavimo infrastruktūra.

    Pažadai ir ribos: kur medicina, o kur sveikatingumas?

    Bendrovė pripažįsta, kad dabartinis prototipas vienam skenavimui dar užtrunka apie 20 minučių, o 60 sekundžių tikslas siejamas su vėlesnėmis kartomis. Nurodoma, kad viena priežasčių yra duomenų perdavimo sparta: sistema generuoja apie 17 gigabaitų žalių duomenų per sekundę.

    Taip pat akcentuojami technologiniai apribojimai: ultragarsas prastai skverbiasi per kaulą, todėl tokio tipo sprendimas netiktų smegenų tyrimams. Dėl to „Midjourney“ signalizuoja, kad pirmieji komerciniai produktai būtų orientuoti į kūno sudėties žemėlapius ir stebėseną, o ne medicininę diagnostiką.

    „Tai pirma nauja viso kūno vaizdinimo metodika per dešimtmečius“, – sakė „Midjourney“ įkūrėjas Davidas Holzas.

    Ambicijos iki 2031 metų ir reguliavimo klausimai

    „Midjourney“ planuoja, kad iki 2031 metų pasaulyje galėtų veikti apie 50 000 tokių įrenginių, o mėnesinis skenavimų skaičius siektų 1 000 000 000. Taip pat skelbiama apie planuojamą „Midjourney Spa“ atidarymą San Franciske 2027 metų pabaigoje, kuriame būtų įrengta dešimt skenerių ir sveikatingumo zona.

    Vis dėlto, kol kas tai labiau vizija nei rinkoje esantis medicininis prietaisas. Medicininiam naudojimui ES ir JAV paprastai reikalingi griežti klinikiniai įrodymai, saugos bei veiksmingumo vertinimas ir reguliuotojų leidimai, o „Midjourney“ pripažįsta tokių leidimų dar neturinti.

    Ekspertai tokiais atvejais paprastai pabrėžia du aspektus: pirma, ar vaizdinimo kokybė pakankama ankstyvam pakitimų nustatymui, ir antra, kaip bus valdoma klaidingų radinių rizika. Net ir greitas skenavimas gali sukelti papildomų tyrimų laviną, jei rezultatai bus sunkiai interpretuojami ar nepakankamai specifiški.

  • „Microsoft“ ir Mayo klinika kuria DI sveikatai: žada saugesnes diagnozes ir planuoja plėtrą

    „Microsoft“ ir Mayo klinika kuria DI sveikatai: žada saugesnes diagnozes ir planuoja plėtrą

    „Microsoft“ ir ne pelno siekiantis akademinis medicinos centras Mayo klinika pristatė bendrą iniciatyvą kurti dirbtinio intelekto modelį, skirtą būtent sveikatos priežiūrai. Jis pirmiausia diegiamas Mayo klinikos klinikinėje aplinkoje, kad būtų galima jį išbandyti realiomis sąlygomis ir tobulinti.

    Partneriai teigia, kad modelis apjungs Mayo klinikos medicinines žinias, nuasmenintus sveikatos duomenis ir pacientų priežiūros patirtį su „Microsoft“ debesijos, inžinerijos ir DI pajėgumais. Tikslas – geriau apdoroti įvairių tipų klinikinę informaciją ir padėti gydytojams priimti sprendimus greičiau bei tiksliau.

    „Jau seniai tikime, kad DI gali transformuoti sveikatos priežiūrą. Dabar, sujungę mūsų klinikinę patirtį ir duomenų pagrindą su „Microsoft“ inžinerijos ir DI galimybėmis, vėl kuriame kažką naujo“, – sakė Mayo klinikos vadovas Gianrico Farrugia.

    Pasak iniciatyvos autorių, praktinis modelio pritaikymas apimtų ankstesnę diagnostiką ir labiau individualizuotą gydymo planavimą, kai reikia įvertinti daug skirtingų duomenų šaltinių. Tokie sprendimai gali būti naudingi ir mažinant administracinę naštą, nes dalis rutininio darbo gali būti automatizuojama.

    Modelis priklausys Mayo klinikai, o „Microsoft“ planuoja jį pateikti per „Azure Foundry“ programavimo sąsajas. Tai reikštų, kad kitos įmonės ar sveikatos priežiūros organizacijos ateityje galėtų jungti modelį prie savo programų ir paslaugų, jei bus priimti sprendimai dėl prieigos ir atitikties reikalavimams.

    „Tai geriausias įmanomas bendradarbiavimas, kuris padės paspartinti kelią į ateitį“, – sakė „Microsoft“ DI padalinio vadovas Mustafa Suleyman.

    Kol kas neatskleidžiama, kiek plačiai sprendimas naudojamas Mayo klinikoje, kokiose specializacijose jis testuojamas ir kada galėtų būti siūlomas kitoms gydymo įstaigoms. Sveikatos sektoriuje tokie projektai paprastai juda etapais: nuo ribotų pilotų iki platesnio diegimo, kai sukaupiama pakankamai įrodymų apie tikslumą, saugumą ir naudą.

    Sveikatos priežiūra laikoma viena perspektyviausių DI taikymo sričių, tačiau kartu ir viena jautriausių dėl galimų klaidų kainos. Medicininiai DI sprendimai turi susidoroti su sudėtingais paciento istorijos duomenimis, skirtingų tyrimų formatais ir situacijomis, kai net nedidelė paklaida gali lemti neteisingą klinikinį sprendimą.

    Augant DI įrankių populiarumui tarp pacientų, didėja ir rizikos: dalis žmonių sveikatos klausimais remiasi bendro pobūdžio pokalbių sistemomis ar socialinių tinklų turiniu. Tai skatina sveikatos organizacijas kurti labiau specializuotus, klinikinei aplinkai pritaikytus modelius, kuriuos būtų galima tikrinti pagal aiškius medicininius standartus.

    Europos Sąjungoje medicininės paskirties DI programinė įranga paprastai priskiriama didelės rizikos kategorijai. Tai reiškia griežtesnius reikalavimus rizikos valdymui, duomenų kokybei, skaidrumui, vartotojų informavimui ir žmogaus priežiūrai, kad technologija būtų naudojama kaip pagalbinė priemonė, o ne nekontroliuojamas sprendimų priėmėjas.

  • Alytuje atidaryta moderni „Affidea“ klinika: 6 mln. eurų investicija ir daugiau nei 60 darbo vietų

    Alytuje duris atvėrė moderni „Affidea“ klinika, įkurta atnaujintame pastate Vilties gatvėje. Į ilgą laiką nenaudotas patalpas investuota 6 mln. eurų, o medicinos centre sukurta daugiau nei 60 darbo vietų.

    Naujoji klinika orientuojasi į diagnostiką, laboratorinius tyrimus ir gydytojų specialistų konsultacijas. Paslaugų spektras papildytas pažangesnėmis galimybėmis, kurios, anot įstaigos atstovų, turėtų sumažinti pacientų poreikį vykti į didžiuosius miestus.

    Platesnės diagnostikos galimybės

    Klinikoje atliekami magnetinio rezonanso tomografijos, kompiuterinės tomografijos, rentgeno ir mamografijos tyrimai. Taip pat teikiami laboratoriniai tyrimai ir įvairių sričių gydytojų konsultacijos.

    Įstaigos vadovė Vilma Žuraulienė teigė, kad kartu sustiprinta specialistų komanda. Pasak jos, prie klinikos prisijungė pulmonologai, neurochirurgai ir gastroenterologai, todėl pacientams siūlomas platesnis paslaugų pasirinkimas.

    Akcentuoja paslaugų prieinamumą

    Klinikos atidaryme dalyvavo Alytaus miesto savivaldybės atstovai. Miesto meras Nerijus Cesiulis pabrėžė, kad atnaujintas ilgai apleistas pastatas ir naujos darbo vietos yra reikšmingos miestui.

    „Kai daugiau nei du dešimtmečius pastatas stovėjo apleistas, buvo sunku įsivaizduoti, kad čia vėl virs gyvenimas. Šiandien matome atsinaujinusią erdvę ir daugiau nei 60 naujų darbo vietų“, – sakė Nerijus Cesiulis.

    „Affidea Lietuva“ direktorius Vitalijus Orlovas teigė, kad įstaigos plėtra buvo planuota pagal pacientų poreikius ir siekį užtikrinti paslaugas su modernia medicinos įranga. Jo teigimu, tikslas yra, kad kokybiškos sveikatos priežiūros paslaugos būtų lengviau pasiekiamos vietoje, nelaukiant ilgose eilėse.

    Įstaiga nurodo, kad siekdama patogesnio pacientų aptarnavimo klinika dirba prailgintomis valandomis, kad tyrimus būtų galima atlikti tiek prieš darbą, tiek po jo. Atidarymo proga lankytojai buvo pakviesti apžiūrėti patalpas ir medicinos įrangą.

  • Tyrimas: DI modeliai greitosios pagalbos sprendimuose prilygo gydytojams – kur jie lenkia labiausiai

    Tyrimas: DI modeliai greitosios pagalbos sprendimuose prilygo gydytojams – kur jie lenkia labiausiai

    Naujas tyrimas rodo, kad dirbtinis intelektas (DI) klinikinio sprendimų priėmimo užduotyse, susijusiose su skubiąja pagalba, daugeliu atvejų pasirodė ne prasčiau nei gydytojai. Mokslininkai vertino, kaip DI siūlo diagnozes ir kitus veiksmus, kai informacijos apie pacientą dar trūksta.

    Tyrimą atlikę Harvardo medicinos mokyklos ir Beth Israel Deaconess medicinos centro mokslininkai lygino didžiuosius kalbos modelius su gydytojų sprendimais skirtinguose klinikinio mąstymo etapuose. Buvo analizuojami tiek publikuoti klinikinių atvejų aptarimai, tiek realūs skubiosios pagalbos skyriaus įrašai.

    DI modeliams pateiktos situacijos apėmė kelią nuo pirminės atrankos iki sprendimo dėl paciento stacionarizavimo. Kiekviename etape modelis gaudavo tik tuo metu įprastai prieinamą informaciją ir turėdavo nurodyti tikėtiniausias diagnozes bei rekomenduoti tolesnius veiksmus.

    Didžiausias skirtumas tarp DI ir gydytojų išryškėjo ankstyvoje triage fazėje, kai duomenų apie paciento būklę yra mažiausiai. Tyrėjai pastebėjo, kad ir DI, ir gydytojai linkę tiksliau nustatyti diagnozes, kai atsiranda daugiau informacijos, tačiau DI pranašumas dažniau matėsi sprendžiant, ką daryti toliau.

    „Išbandėme DI modelį praktiškai su visais etalonais, ir jis aplenkė ankstesnius modelius bei mūsų gydytojų bazinius rezultatus“, – sakė vienas iš vyresniųjų tyrimo autorių Arjun Manrai.

    Vis dėlto tyrimo autoriai pabrėžia, kad geresni rezultatai testuose savaime nereiškia geresnės pacientų priežiūros kasdienėje praktikoje. Pasak jų, dar per mažai ištirta, kuriose situacijose ir kokiu būdu DI turėtų būti diegiamas, todėl būtini prospektyvūs klinikiniai tyrimai realiose gydymo įstaigose.

    Vienas svarbiausių aspektų, į kurį atkreipiamas dėmesys, yra sauga ir sprendimų „kaina“. Net jei modelis teisingai įvardija labiausiai tikėtiną diagnozę, jis gali siūlyti perteklinius tyrimus ar intervencijas, kurios didina riziką pacientui ir apkrauna sistemą.

    „Modelis gali teisingai parinkti svarbiausią diagnozę, bet kartu pasiūlyti nereikalingų tyrimų, kurie pacientui gali pakenkti“, – sakė bendraautoris Peter Brodeur.

    Tyrime vertintas konkretaus modelio peržiūros variantas, o autoriai pripažįsta, kad technologijos sparčiai keičiasi ir rinkoje jau atsirado naujesnių versijų. Dėl to jie ragina tirti ne tik pavienių modelių „rekordus“, bet ir tai, kaip skirtingi DI įrankiai veikia realius gydytojų sprendimus, darbo krūvį, klaidų riziką ir pacientų baigtis.

    Ekspertų teigimu, DI įrankių plėtra sveikatos apsaugoje vis labiau tolsta nuo paprastų testų, kuriuose pakanka pasirinkti atsakymą iš kelių variantų. Praktikoje svarbiausia tampa gebėjimas dirbti su neišsamiais duomenimis, aiškiai pagrįsti rekomendacijas ir padėti gydytojui priimti sprendimą, o ne jį pakeisti.

  • Šveicarijos „Moonlight AI“ pritraukė 2,8 mln. eurų: iš kraujo tepinėlių vaizdų ieškos genominių užuominų

    Šveicarijos „Moonlight AI“ pritraukė 2,8 mln. eurų: iš kraujo tepinėlių vaizdų ieškos genominių užuominų

    Šveicarijos startuolis „Moonlight AI“ pranešė užbaigęs pradinio etapo investicijų raundą, per kurį pritraukė 2,8 mln. eurų. Bendrovė kuria klinikinei diagnostikai pritaikytą vaizdų analizės programinę įrangą, kuri, pasitelkdama DI, iš įprastų laboratorinių preparatų vaizdų siekia išgauti su genominiais pokyčiais susijusias įžvalgas.

    Į raundą investavo keli fondai iš skirtingų šalių, tarp jų Singapūre veikiantis „Lotus One Investment“, Šveicarijos „VP Venture Partners“ ir Tunise įkurtas „MEDIN Fund“. Prie jų prisidėjo Lichtenšteino „N&V Capital“ ir ankstesnis investuotojas iš Šveicarijos.

    „Mūsų technologija leidžia laboratorijoms gauti pritaikomus, greitus rezultatus iš preparatų, kuriuos jos jau naudoja kasdieniuose procesuose“, – sakė „Moonlight AI“ vadovas ir vienas iš įkūrėjų Christianas Ruizas.

    Bendrovė įkurta 2022 metais ir orientuojasi į hematologijos bei patologijos laboratorijų darbo srautą. Idėja paprasta: vietoje to, kad genominei informacijai gauti visada būtų būtina brangi ir laiko reikalaujanti papildoma įranga, dalį sprendimų ar prioritetų nustatymo būtų galima atlikti analizuojant rutininę kraujo ir citologijos tepinėlių vaizdinę medžiagą.

    Tokia kryptis atliepia platesnę precizinės onkologijos tendenciją, kai gydymo parinkimui vis dažniau remiamasi molekuliniais ir genominiais žymenimis. Praktikoje laboratorijoms iššūkiu išlieka tyrimų kaina, pajėgumai ir atsakymo laikas, todėl įmonės ieško sprendimų, galinčių paspartinti atranką ir efektyviau nukreipti, kada molekulinius tyrimus būtina atlikti pirmiausia.

    „Moonlight AI“ teigia, kad jų kuriama programinė įranga gali integruotis su laboratorijų vaizdinimo įranga ir padėti automatizuoti dalį sprendimų, susijusių su tolesnių tyrimų parinkimu. Pasak bendrovės, taip būtų galima sutrumpinti bendrą proceso trukmę ir geriau panaudoti ribotus diagnostikos išteklius, ypač didelių apimčių laboratorijose.

    Gautos lėšos bus nukreiptos į nuosavos duomenų bibliotekos plėtrą, siekiant susieti citopatologijos viso preparato vaizdus su kokybiškais genomikos duomenimis. Tokie rinkiniai laikomi kritiškai svarbiais medicininiams DI modeliams, nes nuo jų priklauso, ar sprendimai išliks tikslūs skirtingose laboratorijose, su skirtingais skeneriais ir įvairiomis pacientų populiacijomis.

    „Bendradarbiaudami su tarptautiniu klinikinių partnerių konsorciumu kuriame duomenų rinkinį, kuris padės užtikrinti modelių patikimumą realiose laboratorijų sąlygose“, – sakė „Moonlight AI“ technologijų vadovė ir viena iš įkūrėjų Nicole H. Romano.

    Įmonė taip pat planuoja plėsti komandą ir spartinti kelių sprendimų kūrimą, įskaitant mielodisplazinį sindromą, nesmulkiųjų ląstelių plaučių vėžį ir lėtinę limfocitinę leukemiją. Kartu numatoma greitinti komercializaciją ir reguliacinių reikalavimų įgyvendinimą, nes medicininės diagnostikos programinei įrangai Europoje taikomi griežti saugos ir veiksmingumo kriterijai.

    Pranešime nurodoma, kad finansavimas sutapo su bendrovės teisinės formos pasikeitimu į Šveicarijos akcinę bendrovę. Toks žingsnis dažnai siejamas su pasirengimu tarptautinei plėtrai, aiškesne akcininkų struktūra ir patogesniu kapitalo pritraukimu ateityje.

    „DI diagnostikos sėkmė pirmiausia priklauso nuo klinikinių duomenų kokybės ir įvairovės, todėl plečiame partnerių ratą ir kviečiame prisijungti ligonines bei laboratorijas“, – sakė bendrovės medicinos vadovas ir vienas iš įkūrėjų Stefanas Habringeris.

  • Stulbinantis Žmogaus organų atlasas: 3D vaizdai atskleidė kūną iki mikrono tikslumo

    Stulbinantis Žmogaus organų atlasas: 3D vaizdai atskleidė kūną iki mikrono tikslumo

    Mokslininkai pristatė Žmogaus organų atlasą – viešai prieinamą 3D medicininių vaizdų rinkinį, leidžiantį pamatyti organų sandarą itin detaliai, iki vieno mikrono. Toks mastelis maždaug 50 kartų plonesnis už žmogaus plauką ir atveria naujas galimybes tiek mokslui, tiek medicinos praktikai.

    Projektas paremtas pažangia rentgeno tomografija, kuri leidžia neardant ištirti visą organą ir priartinti vaizdą iki ląstelinių struktūrų. Skirtingai nei įprasti ligoninių tyrimai, čia naudojamas sinchrotroninis šaltinis, užtikrinantis itin ryškų ir stabilų spinduliavimą, reikalingą aukštai raiškai.

    Kaip sukuriami tokie vaizdai?

    Atlasui taikoma hierarchinė fazinio kontrasto tomografija, kai organas skenuojamas keliais masteliais: nuo bendros architektūros iki smulkiausių audinių detalių. Šis principas svarbus todėl, kad daugelis ligų keičia ne tik atskiras ląsteles, bet ir viso audinio „inžineriją“ – kraujagyslių tinklą, pluoštus, pertvaras.

    Tokie duomenys paprastai užima milžinišką apimtį: vieno organo vaizdų rinkinys gali siekti terabaitus, todėl projekto kūrėjai didelį dėmesį skiria duomenų prieinamumui ir patogiam naudojimui. Atlasas kuriamas kaip atvira platforma, kad juo galėtų remtis tyrėjai, gydytojai ir dėstytojai.

    Ką jau apima Žmogaus organų atlasas?

    Šiuo metu atlasas apima dešimtis donorų organų ir šimtus trimačių duomenų rinkinių, tarp jų – smegenis, širdį, plaučius, kepenis, inkstus ir kitus organus. Kai kuriais atvejais fiksuojami keli organai iš to paties donoro, o tai leidžia tiksliau vertinti, kaip liga ar rizikos veiksniai paveikė skirtingas organizmo sistemas.

    Atlaso duomenyse gali būti užfiksuota ir įprastų, ir retesnių patologijų požymių, todėl tai tampa vertinga baze lyginamiesiems tyrimams. Medicinoje toks „žemėlapis“ ypač naudingas, kai reikia suprasti kraujotakos, uždegimo ar audinių randėjimo pokyčius, kurių paprastuose tyrimuose ne visuomet pavyksta įžvelgti.

    DI proveržis medicinoje: kodėl šis atlasas svarbus?

    Vienas didžiausių projekto pažadų – galimybė šiais duomenimis mokyti DI modelius, kurie vėliau galėtų padėti greičiau ir tiksliau atpažinti ligų požymius. Aukštos raiškos 3D duomenys leidžia kurti algoritmus, kurie mokosi ne tik iš plokščių pjūvių, bet ir iš visos organo struktūros, todėl potencialiai gerėja diagnostikos tikslumas.

    „Tai išteklius tyrėjams, gydytojams, dėstytojams, bet ir kiekvienam smalsiam žmogui, norinčiam suprasti, kaip sudėtas žmogaus kūnas“, – sakė vienas iš projekto kūrėjų Paul Tafforeau.

    Tyrėjai teigia, kad ateityje technologiją tikimasi dar labiau išplėsti, siekiant vaizdinti vis didesnius žmogaus anatomijos segmentus dar aukštesne raiška. Tokie planai galėtų iš esmės pakeisti, kaip mokomasi anatomijos, kaip lyginami ligų mechanizmai ir kaip kuriamos naujos diagnostikos bei gydymo strategijos.

  • Harvardo tyrimas sukrėtė medikus: DI skubioje pagalboje diagnozuoja tiksliau už gydytojus

    Harvardo tyrimas sukrėtė medikus: DI skubioje pagalboje diagnozuoja tiksliau už gydytojus

    Naujas Harvard Medical School mokslininkų tyrimas parodė, kad dirbtinis intelektas gali pranokti gydytojus vienoje sudėtingiausių sričių – pirminiame pacientų įvertinime skubios pagalbos skyriuje. Darbe, publikuotame žurnale Science, DI sprendimai lyginti su šimtų gydytojų sprendimais, remiantis realiais klinikiniais atvejais.

    Tyrime analizuoti 76 atvejai iš Bostono ligoninės: DI teisingai arba beveik teisingai nustatė diagnozę 67 proc. pacientų, kai gydytojų rezultatas siekė 50–55 proc. Kai buvo pateikta daugiau informacijos, DI tikslumas kilo iki 82 proc., o gydytojų – iki 70–79 proc.

    Dar ryškesnis skirtumas užfiksuotas vertinant gydymo planus. DI pateikė 89 proc. teisingų rekomendacijų, o 46 gydytojų grupė, naudodamasi įprastais informacijos paieškos įrankiais, pasiekė apie 34 proc. tikslumą.

    Kodėl DI pasirodė geriau?

    Mokslininkai pabrėžia, kad DI pranašumas dažnai siejamas su gebėjimu nuosekliai apdoroti didelį tekstinės informacijos kiekį ir atpažinti retesnes sąsajas, kurias žmogus gali praleisti skubos sąlygomis. Viename iš atvejų DI teisingai įvardijo plaučių embolijos komplikacijas ir nurodė mažiau akivaizdų rizikos veiksnį – autoimuninę ligą, kurios gydytojai neįvertino.

    Vis dėlto tai nėra įrodymas, kad DI turėtų pakeisti medikus. Tyrime DI vertino tik tekstinius duomenis ir nematė paciento būklės, elgesio, odos spalvos, kvėpavimo, skausmo intensyvumo ar kitų klinikinių ženklų, kurie realiame skyriuje gali būti lemiami.

    Ar tai reiškia gydytojų pabaigą?

    Harvard Medical School atstovas Arjun Manrai akcentuoja, kad tikslas nėra gydytojų pakeitimas, o saugesnė ir tikslesnė „trijų dalių“ priežiūra, kurioje dirba pacientas, gydytojas ir DI kaip sprendimų palaikymo sistema. Tokia schema, tyrėjų vertinimu, galėtų sumažinti diagnostines klaidas ir padėti greičiau parinkti tyrimų bei gydymo prioritetus.

    DI sprendimai jau diegiami klinikinėje praktikoje, tačiau kartu auga ir rizikos. Ekspertai pabrėžia, kad be aiškių taisyklių gali būti sunku nustatyti atsakomybę, jei DI rekomendacija pasirodo klaidinga arba jei medikas per daug pasitiki algoritmo išvada.

    Didžiausia grėsmė – aklas pasitikėjimas

    Medicinai artimiausiu metu svarbiausia taps ne tik technologijos tikslumas, bet ir saugus jos naudojimas. Specialistai įspėja apie automatizacijos šališkumą, kai gydytojai nesąmoningai linksta pritarti DI atsakymui net tada, kai klinikiniai požymiai kelia abejonių.

    Dėl to ligoninėms ir reguliuotojams tenka užduotis užtikrinti, kad DI įrankiai būtų skaidrūs, patikrinti su skirtingomis pacientų grupėmis, o jų rekomendacijos būtų naudojamos kaip pagalba, o ne galutinis sprendimas. Tyrimo autoriai pabrėžia, kad praktikoje didžiausią vertę gali duoti ne DI ar gydytojas atskirai, o jų derinys.

  • Harvardo tyrimas: DI skubioje pagalboje dažniau taikliai įvardijo diagnozę nei gydytojai

    Kas nustatyta Harvardo tyrime?

    Harvardo medicinos mokyklos ir Beth Israel Deaconess medicinos centro komanda palygino, kaip diagnozes skubios pagalbos pacientams parenka gydytojai ir didieji kalbos modeliai. Eksperimente analizuoti 76 pacientų atvejai, o DI gavo tą pačią informaciją, kuri buvo įrašyta elektroniniuose sveikatos įrašuose.

    Tyrėjai lygino dviejų budinčių gydytojų pateiktas diferencines diagnozes su modelių „OpenAI o1“ ir „OpenAI 4o“ sugeneruotomis versijomis. Vėliau du kiti gydytojai, nežinodami, kas parengė konkrečią diagnozę, įvertino jų tikslumą ir artumą galutinei diagnozei.

    Kur DI pasirodė stipriausiai?

    Didžiausi skirtumai išryškėjo ankstyvajame etape, kai apie pacientą turima mažiausiai duomenų ir sprendimus tenka priimti greitai. Būtent čia DI dažniau pateikė tikslesnę arba bent jau ne prastesnę diagnostinę kryptį nei gydytojai.

    Tyrime nurodoma, kad „OpenAI o1“ pateikė tikslią arba labai artimą diagnozę 67 proc. pirminio rūšiavimo atvejų. Tuo metu vieno gydytojo įvertinimai siekė 55 proc., kito – 50 proc.

    „Kiekviename diagnostikos etape „o1“ rezultatai buvo nominaliai geresni arba tokie pat kaip dviejų gydytojų ir „4o“,“ – sakė tyrėjai.

    Pasak komandos, svarbi detalė yra ta, kad DI rezultatams nebuvo taikomas išankstinis duomenų „valymas“ ar specialus pritaikymas. Modeliams buvo pateikta ta pati praktinė informacija, kuri realiai pasiekiama skubios pagalbos skyriuje per elektronines medicinines korteles.

    Ką tai reiškia pacientams ir medikams?

    Rezultatai rodo potencialą DI įrankius naudoti kaip papildomą sprendimų paramą, ypač triage ir pirminės diagnostikos metu. Tačiau tyrimas savaime nereiškia, kad DI turėtų pakeisti gydytoją: skubioje pagalboje svarbūs ne tik teisingi spėjimai, bet ir atsakomybė, klinikinis kontekstas, fizinė apžiūra bei sprendimų pasekmių valdymas.

    Praktikoje didžiausia rizika yra ne vien netikslus atsakymas, o klaidingas pasitikėjimas juo, ypač kai informacija nepilna arba medicininiai įrašai turi spragų. Dėl to realiam diegimui būtini aiškūs saugikliai, audituojami vertinimo metodai, nuolatinė kokybės kontrolė ir tiksliai apibrėžta, kur DI gali padėti, o kur sprendimas privalo likti gydytojo rankose.

    „Jei lyginame DI įrankius su klinikiniais įgūdžiais, turime lyginti su gydytojais, kurie iš tiesų dirba toje srityje. Nebūtų stebėtina, jei didelis kalbos modelis aplenktų dermatologą neurochirurgijos egzamine, bet tai mažai ką pasako apie realią naudą,“ – sakė skubios pagalbos gydytoja Kristen Pantagani.

    Šis darbas įsilieja į platesnę sveikatos sistemos tendenciją, kai ligoninės vis aktyviau bando sprendimų paramos sistemas, padedančias greičiau susisteminti simptomus, rizikas ir galimas diagnozes. Kartu daugėja diskusijų dėl reguliavimo, atsakomybės ir pacientų duomenų saugumo, nes sveikatos apsaugos sektoriuje klaidų kaina yra ypač didelė.