Εφαρμογές Τεχνητής Νοημοσύνης στην Ακτινολογία

Τσιότσιος, Χρήστος

Applications of Artificial Intelligence in Radiology

Μεταπτυχιακή διπλωματική εργασία

Author

Τσιότσιος, Χρήστος

Date

2022-11-15

Advisor

Παπαβασιλείου, Περικλής

TSIOTSIOS_20027.pdf (5.219Mb)

Keywords

Artificial intelligence ; Machine learning ; Deep learning ; Radiology ; Radiomics

Abstract

Η Τεχνητή Νοημοσύνη (ΤΝ) τυπικά ορίζεται ως η ικανότητα των υπολογιστών να μιμούνται τις ανθρώπινες γνωστικές ικανότητες, όπως είναι η μάθηση, η αναγνώριση προτύπων και η επίλυση προβλημάτων. Η ΤΝ έχει κεντρίσει το ενδιαφέρον της επιστημονικής κοινότητας τα τελευταία χρόνια, με τις εφαρμογές της να εκτείνονται από την καθημερινότητα (π.χ. διαδικτυακές αναζητήσεις, ψηφιακοί βοηθοί κτλ.) έως και όλο το φάσμα της ιατρικής (ακτινολογία, παθολογία, οφθαλμολογία κτλ.). Στην Ακτινολογία, πιο συγκεκριμένα, οι εφαρμογές της ΤΝ αυξάνονται συνεχώς συμβάλλοντας στην επίλυση προβλημάτων της καθημερινής κλινικής πράξης, καθώς και στη βελτίωση της διαγνωστικής ακριβείας των απεικονιστικών δεδομένων. Η εφαρμογή αλγορίθμων μηχανικής ή βαθιάς μάθησης μπορεί να βοηθήσει σε αρκετές χρονοβόρες και περίπλοκες διαδικασίες όπως η ανίχνευση και η διάγνωση της παθολογίας (π.χ. ανίχνευση νόσου COVID-19 σε απλή ακτινογραφία θώρακα), η παρακολούθηση της ανταπόκρισης στην θεραπεία και η πρόγνωση (π.χ. σε ογκολογικούς ασθενείς μετά από ακτινοθεραπεία ή/και χημειοθεραπεία). Επίσης, η ΤΝ μπορεί να βοηθήσει στην μείωση της δόσης που λαμβάνει ο ασθενής σε εξετάσεις Υπολογιστικής Τομογραφίας (μέσω ορθής τοποθέτησης, παραμετροποίησης και βελτιστοποίησης της ανακατασκευής της εικόνας), στην βελτίωση της ποιότητας εικόνας ή/και στην μείωση του χρόνου σάρωσης σε εξετάσεις Μαγνητικής Τομογραφίας και Πυρηνικής Ιατρικής, καθώς και στην ελαχιστοποίηση της χρησιμοποιούμενης σκιαγραφικής δόσης. Οι Τεχνολόγοι Ακτινολογίας – Ακτινοθεραπείας, οι Ιατροί Ακτινολόγοι και οι Ιατροφυσικοί οφείλουν να γνωρίζουν τις βασικές έννοιες και τις εφαρμογές της ΤΝ, με σκοπό την ομαλή μετάβαση τους σε μια εποχή με νέα δεδομένα και απαιτήσεις.

Abstract

Artificial Intelligence (AI) refers to computer systems and machines that mimic human cognitive abilities, such as learning, pattern recognition and problem solving. AI has attracted the interest of the scientific community in recent years, with its applications extending from everyday life (e.g. online searches, digital assistants, etc.) to the entire spectrum of medicine (radiology, pathology, ophthalmology, etc.). Specifically, the applications of AI in Radiology are constantly increasing, contributing to solving problems of clinical practice, as well as improving the diagnostic accuracy of imaging data. The application of machine learning or deep learning algorithms can assist in several time-consuming and complex processes such as detection and diagnosis of pathology (e.g. detection of COVID-19 disease in a plain chest X-ray), monitoring of treatment response and prognosis (e.g. in oncological patients after radiotherapy and/or chemotherapy). Also, AI can help reduce radiation dose in CT examinations (through proper patient positioning, parameters optimization and image reconstruction), improve image quality and/or reduce scan time in MRI and Nuclear Medicine examinations, as well as minimizing the contrast dose used. Radiographers, Radiologists and Medical Physicists must know the basic principles and applications and learn to work with AI, embracing it and maximising the positive outcomes from this new technology, in order to provide a better patient care.