Ark+ nowe narzędzie AI wspiera diagnostykę RTG klatki piersiowej

Z takim właśnie celem zespół naukowców z Uniwersytetu Stanowego Arizony (Arizona State University, ASU) stworzył nowe, zaawansowane narzędzie oparte na sztucznej inteligencji – Ark+, które ma pomagać lekarzom w dokładniejszym interpretowaniu zdjęć RTG klatki piersiowej i poprawie wyników leczenia pacjentów.

– „Ark+ został zaprojektowany jako otwarte, wiarygodne i użyteczne narzędzie dla rzeczywistych systemów opieki zdrowotnej” – powiedział profesor Jianming “Jimmy” Liang z College of Health Solutions na ASU, główny autor pracy opublikowanej w prestiżowym czasopiśmie Nature.

W badaniu koncepcyjnym Ark+ wykazał wyjątkową skuteczność diagnostyczną – od powszechnych chorób płuc, aż po rzadkie i nowe schorzenia, takie jak COVID-19 czy ptasia grypa. Co więcej, okazał się dokładniejszy niż zastrzeżone systemy AI rozwijane przez gigantów branży, takich jak Google i Microsoft.

– „Naszym celem było stworzenie narzędzia, które nie tylko działa dobrze w badaniach, ale również demokratyzuje dostęp do tej technologii” – dodał Liang. – „Ostatecznie chcemy, by AI pomagała lekarzom ratować życie.”

Lepsze wykorzystanie środków w opiece zdrowotnej

Amerykanie coraz częściej oczekują wyższej jakości usług zdrowotnych za wydawane pieniądze. Tymczasem mimo że opieka zdrowotna jest główną siłą napędową amerykańskiej gospodarki, USA wciąż wypadają poniżej średniej w wielu wskaźnikach zdrowotnych – zajmując np. 49. miejsce pod względem oczekiwanej długości życia według danych Banku Światowego. To gorzej niż Kuba czy Katar.

Pacjenci chcą żyć zdrowiej, a lekarze chcą stawiać trafne diagnozy już za pierwszym podejściem. W tym właśnie może pomóc sztuczna inteligencja.

Nowe narzędzie AI dla diagnostyki medycznej

Zespół profesora Lianga skupił się na wsparciu analizy najczęściej wykonywanego badania obrazowego – zdjęcia RTG klatki piersiowej. Tego typu badania są kluczowe dla szybkiego rozpoznania takich chorób jak zapalenie płuc, gruźlica, grzybica płuc, a także problemów kardiologicznych, złamań żeber czy niektórych chorób jamy brzusznej.

Jednak interpretacja RTG bywa trudna, nawet dla doświadczonych klinicystów, a szczególnie problematyczne są rzadkie i nowo pojawiające się choroby – jak pokazują doświadczenia z pierwszego roku pandemii COVID-19.

Ark+ zmniejsza ryzyko błędów, przyspiesza rozpoznanie i zapewnia równy dostęp do zaawansowanych narzędzi AI poprzez otwarty, darmowy dostęp do technologii na całym świecie.

– „Wierzymy w otwartą naukę” – mówi Liang. – „Korzystaliśmy z publicznych i globalnych zbiorów danych, wierząc, że przyspieszy to rozwój modelu AI.”

Ark+ przewyższa wcześniejsze modele AI do analizy RTG

Ark+ został wytrenowany na ponad 700 000 zdjęć z otwartych baz danych obrazów RTG z całego świata. Jednak kluczowym elementem, który odróżnia to narzędzie, było uwzględnienie wiedzy klinicznej: każdy obraz opatrzono notatkami lekarskimi.

– „Więcej uczysz się od ekspertów” – podkreśla Liang. Te szczegółowe adnotacje specjalistów znacząco zwiększały trafność modelu.

– „Ark+ gromadzi i ponownie wykorzystuje wiedzę” – dodaje badacz, wyjaśniając nazwę narzędzia. – „Trenowaliśmy model w pełni nadzorowany sposób, oparty na wiedzy medycznej, a nie tylko na podziale: obraz prawidłowy vs. nieprawidłowy.”

W przeciwieństwie do podejść firm takich jak Google czy Microsoft, które stosują uczenie samonadzorowane, zespół ASU skupił się na wykorzystaniu etykiet eksperckich – czyli informacji ostatecznie najcenniejszych.

Dawid kontra Goliat – i wygrana otwartością

Zespół ASU, złożony m.in. z doktorantów DongAo Ma i Jiaxuan Pang, prowadził projekt dzięki wsparciu NIH, NSF oraz współpracy z radiologiem z Mayo Clinic Arizona – dr. Michaelem Gotwayem.

Oto kluczowe cechy Ark+:

• Model bazowy dla RTG: trenowany na danych z różnych szpitali i instytucji z całego świata – dzięki temu rozpoznaje szerokie spektrum schorzeń płuc.
• Otwarty kod źródłowy: zespół udostępnił kod oraz wytrenowane modele – inne zespoły mogą je dostosowywać do lokalnych potrzeb.
• Uczenie przy niewielkiej liczbie przypadków: Ark+ potrafi rozpoznawać rzadkie choroby nawet przy ograniczonej liczbie przykładów.
• Możliwość adaptacji: można go dostosować do nowych zadań diagnostycznych bez konieczności pełnego trenowania od nowa.

– „W bezpośredniej rywalizacji z wielkimi firmami pewnie byśmy przegrali” – przyznał Liang. – „Ale dzięki otwartości zapraszamy inne zespoły do współpracy. Razem jesteśmy silniejsi niż pojedyncza korporacja.”

Sztuczna inteligencja dla wszystkich lekarzy i wszystkich pacjentów

Liang zaznacza, że Ark+ można dostosować do innych form diagnostyki obrazowej – jak tomografia komputerowa czy rezonans magnetyczny – co otwiera nowe możliwości w przyszłości.

Zespół planuje dalszą komercjalizację narzędzia z myślą o szpitalach, ale z zachowaniem otwartego charakteru – by każdy badacz mógł na nim bazować. Celem jest dotarcie nawet do placówek z terenów wiejskich, gdzie zasoby danych i dostęp do specjalistycznych narzędzi są ograniczone.

– „Udostępniając wszystko w pełni otwarcie, zapraszamy wszystkich do wspólnej pracy nad tym, by medyczne AI było bardziej sprawiedliwe, dokładne i dostępne” – podsumowuje Liang.

Źródło: Arizona State University, Nature
DOI: 10.1038/s41586-025-09079-8