Revoluce v diagnostice: AI model zrychluje optickou tomografii milionkrát pro okamžité odhalení nádorů a krvácení

Vědci z japonské Univerzity v Cukubě vyvinuli průlomový model umělé inteligence, který zásadně zrychluje difuzní optickou tomografii – neinvazivní zobrazovací techniku pro detekci abnormalit, jako jsou krvácení a nádory.

Vědci z japonské Univerzity v Cukubě vyvinuli průlomový model umělé inteligence, který zásadně zrychluje difuzní optickou tomografii – neinvazivní zobrazovací techniku pro detekci abnormalit, jako jsou krvácení a nádory. Tento model dokáže předpovídat šíření světla v biologické tkáni přibližně za 2 milisekundy, což je více než milionkrát rychleji než konvenční simulační metody. Tím otevírá cestu k diagnostickým aplikacím v reálném čase.

Difuzní optická tomografie funguje na principu osvětlování biologické tkáně blízkým infračerveným světlem, aniž by způsobovala radiační expozici nebo poškození. Vysoká diagnostická přesnost však závisí na řešení rovnice přenosu záření, která modeluje šíření světla v tkáni. Tyto numerické simulace mohou trvat několik hodin na jeden výpočet, což dosud bránilo využití této metody pro diagnostiku v reálném čase.

Nový model, založený na neuronové síti, slouží jako ultra-rychlý emulátor. Byl trénován na rozsáhlých simulačních datech a dokáže předpovídat časově rozlišené světelné signály detekované v měřicích bodech na základě umístění a velikosti abnormální oblasti. Model prokázal robustní generalizaci, přesně reprodukuje signály i pro dosud neviděné kombinace parametrů, přičemž jeho přesnost je omezena pouze úrovní šumu v tréninkových datech.

Každá inference trvá přibližně 2 milisekundy, což představuje zrychlení více než milionkrát oproti konvenčním simulačním metodám. Toto výrazné zrychlení umožňuje efektivní prozkoumávání rozsáhlých parametrických prostorů nezbytných pro diagnostickou analýzu. Kombinací AI modelu se statistickými vzorkovacími technikami se vědcům podařilo přesně odhadnout umístění a velikost abnormálních oblastí z optických signálů. Tyto výsledky naznačují, že model je slibným základním nástrojem pro diagnostiku mozkového krvácení a nádorů v reálném čase.