Karolína a Daniel Kvakovi. Manželé, studenti Masarykovy univerzity. V situaci, ve které se české zdravotnictví ocitlo v souvislosti s epidemií koronaviru, se rozhodli pomoci tím, co umí. Svůj "volný" čas mimo studium a dokončování diplomové práce využili k natrénování neuronové sítě, která dokáže detekovat plicní onemocnění z rentgenových snímků.
Jedním z nástrojů pro včasné odhalení a následné vyhodnocení výskytu plicních onemocnění je rentgen hrudníku. V době, kdy je důležitá rychlost a spolehlivost výsledků, zejména u pacientů pozitivních na COVID-19, je zásadní také vývoj aplikací, které usnadňují práci zdravotníkům zapojeným do vyhodnocování toho, co rentgen ukazuje. Medicínou se ani jeden z manželů primárně nezabývá a jejich projekt ale vychází z toho, čemu se na MU věnují. Daniel na filozofické fakultě pracuje na využití umělé inteligence v kreativních doménách, Karolína je studentkou antropologie na přírodovědecké fakultě a vzala si na starost práci s lékařskými daty, ve kterých se v průběhu studia naučila číst.
Srdcem algoritmu, který Daniel vytvořil, je hluboká reziduální síť Lobe ResNet-50 V2. „Je to druh konvoluční neuronové sítě, jež slouží k extrakci příznaků z obrazových souborů. Výsledný model nese podobu nenáročné standalone aplikace, do které stačí pouze nahrát snímky, klidně i stovky najednou. Síť navíc nemusí být připojena k internetu,“ popisuje Daniel aplikaci, díky které třeba i obvodní lékař za pár sekund určí diagnózu pacienta, včetně procentní přesnosti odhadu.
V předchozích týdnech se do aplikace pokoušeli dostat co nejvíce vstupních dat z veřejných úložišť, jako jsou Kaggle nebo Mendeley Data. Jejich současný dataset tak obsahuje více než 20 tisíc unikátních snímků. „Našim cílem je ale samozřejmě zisk přístupu k lokálním datům z českých nemocnic a dalších ústavů, to však je obtížné. Každá žádost prochází náročným schvalovacím procesem etickou komisí,“ podotýká Karolína.
Zabezpečení citlivých informací, nejen v projektu manželů Kvakových, proto představuje jednu z hlavních překážek nasazení modelů s umělou inteligencí do praxe. „Je ale důležité zmínit, že tato data se používají pouze pro natrénování neuronové sítě. Není nutné, aby se po tomto procesu dále uchovávala,“ upozorňuje Daniel. Pomoc se zabezpečením dat jim nabídla firma Microsoft skrze program AI for Health, kde je možné neuronovou síť trénovat v cloudu i na tak citlivých datech, jako jsou RTG snímky.
Kvakovi věří, že o aplikaci bude v lékařském prostředí zájem. Počítačovou asistenci však nevidí jako aplikaci, které budou zdravotníci strojově důvěřovat, ale spíše jako doporučovací systém. „Naše motivace směřujeme především ke zdroji prvotního odhadu v prostředí, které se potýká s vysokou fluktuací zasažených pacientů a požadavkem potvrdit či vyvrátit výsledek zkušeným expertem. Počítače jsou oproti lidem neúnavné, a to, co se může stát radiologovi, že přehlédne nějakou plicní změnu, se nestane počítači. Což přispěje k úspěšnému praktickému vyhodnocení,“ dodává Daniel s tím, že potenciální nasazení může nést podobu přímé implementace do zobrazovacího PACS systému (Picture Archiving and Communicating System) používaného ve zdravotnictví zpravidla jako subsystém nemocničního informačního systému.
Manželé se projektu věnují primárně po večerech a o víkendech. „Pro nás to byl zčásti skok do neznáma, projekt ovšem zaujal některé experty z oblastí radiologie či pneumologie, kteří nám obratem poskytli cenné rady,“ doplňuje Karolína.
Daniel po odevzdání diplomové práce, která popisuje využití neuronových sítí ke generování hudební kompozice, plánuje, že výzkumu věnuje ještě více času. Projekt či dataset chtějí Kvakovi zdarma nabídnout k využití ministerstvu zdravotnictví, výzkumným ústavům, potažmo i jednotlivým nemocnicím.
