Gå direkt till innehåll
Christos Matsoukas tar emot priset för bästa avhandling 2024 på WASP:s vinterkonferens den 16 januari 2025. Foto: Peter Karlsson, Svarteld form & foto
Christos Matsoukas tar emot priset för bästa avhandling 2024 på WASP:s vinterkonferens den 16 januari 2025. Foto: Peter Karlsson, Svarteld form & foto

Nyhet -

Ny AI-modell effektiviserar medicinsk bildanalys

Christos Matsoukas forskning adresserar en av de största utmaningarna inom AI och medicin – begränsad datatillgång. Nu har hans banbrytande AI-modell reducerat utvärderingstiden av kronisk njursjukdom med 97 procent.

–Vår AI-modell var både mer effektiv och konsekvent i sin bedömning. Det här kan leda till stora effektiviseringar inom patologi, då experterna kan lägga sin tid på annat, och diagnostisera fler patienter, säger Christos Matsoukas, nyligen disputerad WASP-industridoktorand vid Kungliga Tekniska Högskolan och AstraZeneca, och numera biträdande AI-direktör på AstraZeneca.

En av de främsta utmaningarna som begränsar den breda adoptionen av AI inom vissa områden är tillgången på data. Analys av medicinska bilder, så som analyser av ultraljud, är en av många domäner där AI-utvecklingen bromsas av att datainsamling ofta är begränsad på grund av juridiska och integritetsmässiga skäl.

Christos Matsoukas har i sin avhandling Artificial Intelligence for Medical Image Analysis with Limited Data utforskat metoder som förbättrar AI-modellers prestanda under förhållanden med begränsad datatillgång. Genom metoder som exempelvis överföringsinlärning har han och hans patologteam på AstraZeneca utvecklat en automatiserad AI-modell. Den har tränats i en så kallad ”naturlig domän” - en miljö med riklig mängd data, innan den har använts för analys av medicinska bilder.

Fler patienter mer kostnadseffektivt

Forskarna har identifierat nyckelfaktorer som påverkar överföringsinlärningens effektivitet. Genom att tillhandahålla information om andra objekt i bilden utvecklas rikare representationer, vilket leder till en förbättrad prestanda i domäner med begränsade mängder data.

Resultatet demonstrerar att AI-modeller utvecklade för förhållanden med små datamängder är kapabla att leverera effektivisering i industriellt relevanta situationer, vilket visar på dess praktiska användbarhet inom sjukvård och läkemedelsutveckling. Fler patienter kan diagnostiseras och behandlas mer kostnadseffektivt.

–Att utveckla AI inom hälso- och sjukvården kan göra diagnostiska verktyg och behandlingar på expertnivå tillgängliga för alla, oavsett plats eller ekonomisk status. För mig är det den mest meningsfulla aspekten av att tillämpa AI inom medicin, säger Christos.

Relaterade länkar

Ämnen

Kategorier

Kontakter