Teknik AI dalam pencitraan medis dapat menyebabkan diagnosis yang salah – ScienceDaily

Teknik AI dalam pencitraan medis dapat menyebabkan diagnosis yang salah – ScienceDaily


Pembelajaran mesin dan AI sangat tidak stabil dalam rekonstruksi citra medis, dan dapat menyebabkan positif palsu dan negatif palsu, sebuah studi baru menunjukkan.

Sebuah tim peneliti, yang dipimpin oleh University of Cambridge dan Simon Fraser University, merancang serangkaian tes untuk algoritma rekonstruksi citra medis berdasarkan AI dan pembelajaran mendalam, dan menemukan bahwa teknik ini menghasilkan banyak sekali artefak, atau perubahan yang tidak diinginkan pada data, di antara kesalahan besar lainnya pada gambar akhir. Efeknya biasanya tidak ada dalam teknik pencitraan berbasis non-AI.

Fenomena ini tersebar luas di berbagai jenis jaringan saraf tiruan, menunjukkan bahwa masalah tidak akan mudah diatasi. Para peneliti memperingatkan bahwa mengandalkan teknik rekonstruksi gambar berbasis AI untuk membuat diagnosis dan menentukan pengobatan pada akhirnya dapat membahayakan pasien. Hasilnya dilaporkan di Prosiding National Academy of Sciences.

“Ada banyak antusiasme tentang AI dalam pencitraan medis, dan mungkin berpotensi untuk merevolusi pengobatan modern: namun, ada potensi jebakan yang tidak boleh diabaikan,” kata Dr. Anders Hansen dari Departemen Matematika dan Teoretis Terapan Cambridge. Fisika, yang memimpin penelitian bersama Dr Ben Adcock dari Universitas Simon Fraser. “Kami telah menemukan bahwa teknik AI sangat tidak stabil dalam pencitraan medis, sehingga perubahan kecil pada input dapat mengakibatkan perubahan besar pada output.”

Pemindaian MRI biasa dapat berlangsung antara 15 menit dan dua jam, tergantung pada ukuran area yang dipindai dan jumlah gambar yang diambil. Semakin lama pasien menghabiskan waktu di dalam mesin, semakin tinggi resolusi gambar akhir. Namun, perlu membatasi jumlah waktu yang dihabiskan pasien di dalam mesin, baik untuk mengurangi risiko masing-masing pasien maupun untuk meningkatkan jumlah keseluruhan pemindaian yang dapat dilakukan.

Menggunakan teknik AI untuk meningkatkan kualitas gambar dari pemindaian MRI atau jenis pencitraan medis lainnya merupakan kemungkinan yang menarik untuk memecahkan masalah mendapatkan gambar dengan kualitas tertinggi dalam waktu yang paling singkat: secara teori, AI dapat mengambil gambar dengan resolusi rendah dan membuatnya menjadi versi resolusi tinggi. Algoritma AI ‘belajar’ merekonstruksi gambar berdasarkan pelatihan dari data sebelumnya, dan melalui prosedur pelatihan ini bertujuan untuk mengoptimalkan kualitas rekonstruksi. Ini merupakan perubahan radikal dibandingkan dengan teknik rekonstruksi klasik yang hanya didasarkan pada teori matematika tanpa ketergantungan pada data sebelumnya. Secara khusus, teknik klasik tidak dipelajari.

Algoritme AI apa pun membutuhkan dua hal agar dapat diandalkan: akurasi dan stabilitas. AI biasanya akan mengklasifikasikan gambar kucing sebagai kucing, tetapi perubahan kecil yang hampir tidak terlihat pada gambar tersebut dapat menyebabkan algoritme untuk mengklasifikasikan kucing sebagai truk atau meja, misalnya. Dalam contoh klasifikasi gambar ini, satu hal yang mungkin salah adalah bahwa gambar tersebut diklasifikasikan dengan tidak benar. Namun, jika menyangkut rekonstruksi citra, seperti yang digunakan dalam pencitraan medis, ada beberapa hal yang bisa salah. Misalnya, detail seperti tumor mungkin hilang atau mungkin ditambahkan secara salah. Detail dapat dikaburkan dan artefak yang tidak diinginkan dapat muncul pada gambar.

“Ketika sampai pada keputusan penting seputar kesehatan manusia, kami tidak boleh membiarkan algoritme membuat kesalahan,” kata Hansen. “Kami menemukan bahwa korupsi terkecil, seperti yang mungkin disebabkan oleh perpindahan pasien, dapat memberikan hasil yang sangat berbeda jika Anda menggunakan AI dan pembelajaran mendalam untuk merekonstruksi gambar medis – yang berarti bahwa algoritme ini tidak memiliki stabilitas yang mereka butuhkan.”

Hansen dan koleganya dari Norwegia, Portugal, Kanada, dan Inggris merancang serangkaian tes untuk menemukan kekurangan dalam sistem pencitraan medis berbasis AI, termasuk MRI, CT, dan NMR. Mereka mempertimbangkan tiga masalah penting: ketidakstabilan yang terkait dengan gangguan kecil, atau gerakan; ketidakstabilan sehubungan dengan perubahan struktural kecil, seperti citra otak dengan atau tanpa tumor kecil; dan ketidakstabilan sehubungan dengan perubahan jumlah sampel.

Mereka menemukan bahwa gerakan kecil tertentu menyebabkan banyak sekali artefak di gambar akhir, detail diburamkan atau dihilangkan seluruhnya, dan kualitas rekonstruksi gambar akan menurun dengan subsampling berulang. Kesalahan ini tersebar luas di berbagai jenis jaringan saraf.

Menurut para peneliti, kesalahan yang paling mengkhawatirkan adalah kesalahan yang mungkin ditafsirkan oleh ahli radiologi sebagai masalah medis, berbeda dengan kesalahan yang dapat dengan mudah diabaikan karena kesalahan teknis.

“Kami mengembangkan tes untuk memverifikasi tesis kami bahwa teknik pembelajaran mendalam akan menjadi tidak stabil secara universal dalam pencitraan medis,” kata Hansen. “Alasan untuk prediksi kami adalah bahwa ada batasan seberapa baik rekonstruksi dapat diberikan waktu pemindaian terbatas. Dalam beberapa hal, teknik AI modern memecahkan penghalang ini, dan sebagai hasilnya menjadi tidak stabil. Kami telah menunjukkan secara matematis bahwa ada harga yang harus dibayar untuk ketidakstabilan ini, atau sederhananya: masih belum ada yang namanya makan siang gratis. “

Para peneliti sekarang fokus untuk memberikan batasan mendasar tentang apa yang dapat dilakukan dengan teknik AI. Hanya jika batasan ini diketahui, kita akan dapat memahami masalah mana yang dapat diselesaikan. “Penelitian berbasis percobaan dan kesalahan tidak akan pernah menemukan bahwa para alkemis tidak dapat membuat emas: kita berada dalam situasi yang sama dengan AI modern,” kata Hansen. “Teknik ini tidak akan pernah menemukan batasannya sendiri. Batasan seperti itu hanya dapat ditunjukkan secara matematis.”

Untuk Informasi Lebih lanjut silahkan Kunjungi : Togel Hongkong

Author Image
adminProzen