CyfroVet, czyli nowa generacja inteligentnych narzędzi w diagnostyce weterynaryjnej, to najnowszy projekt realizowany w Akademickim Centrum Komputerowym CYFRONET AGH. Z myślą o zwierzętach zmagających się z wieloma chorobami nowotworowymi oraz szeroką gamą zapaleń, zespół ekspertów w dziedzinie weterynarii oraz naukowców pracujących w obszarze sztucznej inteligencji pracuje nad narzędziem pozwalającym szybko zdiagnozować chore zwierzęta.
Głównym celem projektu jest skrócenie czasu badań cytologicznych, które stanowią pierwszy krok w diagnostyce zmian nowotworowych u zwierząt. Obecnie czas oczekiwania na wynik badania cytologicznego wynosi od kilku dni do 2 tygodni. Cena takiego badania to około kilkaset złotych.
Istnieje możliwość znaczącego skrócenia czasu otrzymania wstępnych wyników poprzez zastosowanie zautomatyzowanego systemu. Narzędzie takie pozwala na wykonanie zdjęcia próbki materiału cytologicznego, a następnie przeanalizowanie go z wykorzystaniem algorytmów sztucznej inteligencji.
Dzięki temu można ocenić zmiany patologiczne w preparacie. Na tej podstawie lekarz jest w stanie łatwiej podjąć wstępną decyzję co do wyboru dalszych kroków w procesie diagnostyki i leczenia.
Prace nad algorytmem
„Realizacja i opracowanie takiego systemu wiąże się z szeregiem wyzwań. Pierwszym, dość znaczącym wyzwaniem jest zgromadzenie odpowiedniej liczby zdjęć preparatów cytologicznych o różnorodnym charakterze, które pozwolą na wytrenowanie algorytmu sztucznej inteligencji do rozpoznawania zmian nowotworowych” – mówi prof. Kazimierz Wiatr, Dyrektor ACK Cyfronet AGH.
Wyłonione w wyniku selekcji fragmenty zdjęcia, które zawierają interesujące zmiany patologiczne, pozwalają na dokonanie diagnozy z dużą dokładnością. Czasochłonny jest również proces oznaczania tzw. danych uczących, który wiąże się z ręcznym oznaczeniem zmian patologicznych przez lekarza eksperta oraz ich weryfikacji przez dyplomowanego patologa.
„Obecnie w ramach prac prowadzonych w projekcie CyfroVet opracowane zostało rozwiązanie pozwalające na klasyfikację wybranych zmian patologicznych z wykorzystaniem sieci neuronowych. Opracowane zostały również architektury sieci pozwalające na szczegółową detekcję pojedynczych komórek nowotworowych, która pozwala na bardziej dokładną analizę zachodzących zmian patologicznych” – wskazuje dr hab. inż. Maciej Wielgosz, inicjator prowadzonych prac.
„Zaprojektowane rozwiązanie pozwala uzyskać dokładności klasyfikacji na poziomie nawet 96%. System działa dla wybranych trzech zmian nowotworowych: mastocytomy, histiocytomy oraz chłoniaka” – mówi Maciej Wielgosz.
Holistyczne podejście do diagnostyki
W ostatnim czasie zespół prowadzi również badania nad holistycznym podejściem do diagnostyki weterynaryjnej, które dotyczy nie tylko zbadania zmian na zdjęciach preparatów cytologicznych pod mikroskopem, ale również informacji
o zwierzęciu zebranych przez weterynarza w trakcie wstępnego wywiadu. Wywiad taki dotyczy wieku zwierzęcia, chorób czy lokalizacji zmian na powierzchni skóry.
Są to tak zwane dane kategoryczne, które mogą w znaczący sposób wpłynąć na podjęcie przez lekarza decyzji diagnostycznej. Uwzględnienie tych danych w algorytmie sztucznej inteligencji pozwoli potencjalnie podnieść skuteczność jego działania.
Prace są realizowane w Akademickim Centrum Komputerowym CYFRONET AGH w Laboratorium Akceleracji Obliczeń i Sztucznej Inteligencji przez zespół w składzie: Jakub Caputa, Daria Łukasik, Maciej Wielgosz, Michał Karwatowski, Rafał Fraczek, Paweł Russek, Kazimierz Wiatr. Szczegółowe informacje można znaleźć na stronie poświęconej projektowi.