Zaczynamy od narządu
To płuco z punktów. Gdy lekarz podejrzewa raka, pobiera maleńki kawałek tkanki do badania. Płuco jest tu tylko przykładem, ten sam proces dotyczy piersi.
Przewijaj w dół ↓To płuco z punktów. Gdy lekarz podejrzewa raka, pobiera maleńki kawałek tkanki do badania. Płuco jest tu tylko przykładem, ten sam proces dotyczy piersi.
Przewijaj w dół ↓Pod mikroskopem tkanka wygląda jak mozaika komórek. Fioletowe kropki to jądra komórkowe, różowe to reszta tkanki. Patolog ogląda takie szkiełka, żeby ustalić, z czego rośnie guz.
Zeskanowany preparat to obraz wielkości nawet kilku gigabajtów, za duży dla modelu. Dlatego tniemy go na małe fragmenty, 224 × 224 piksele, i oglądamy każdy osobno.
Dla fragmentu model odpowiada: rak piersi czy rak płuca, i podaje pewność. Ciepłe plamy na mapie to miejsca, na które patrzył najmocniej.
To nie jest wykrywanie raka. Model rozpoznaje, z jakiego narządu pochodzi guz.
Tu model był pewny odpowiedzi, a pomylił się. Dlatego sama pewność nie wystarcza i dlatego badamy, kiedy modelowi można ufać.
To prototyp badawczy, nie wyrób medyczny. Sprawdzamy, jak model ma oddawać niepewne przypadki człowiekowi, zamiast zgadywać.
Czym jest projekt ↓Projekt badawczo-rozwojowy. Budujemy moduł, który analizuje obraz tkanki bezpośrednio na urządzeniu w placówce, sygnalizuje trudne przypadki onkologiczne i podaje, na ile jest pewny swojej oceny.
Projekt badawczy, realizacja 2025–2029
Punkty są ułożone z 6 prawdziwych fragmentów tkanki z otwartych danych TCGA. Kolory ramek to odpowiedź prototypu dla tych próbek. Celowo pokazujemy 3 trafne i 3 błędne, więc ramki nie mówią nic o skuteczności. Najedź kursorem lub kliknij fragment.
Większość systemów AI do analizy danych medycznych wymaga przesłania ich na zewnętrzne serwery. Dla wielu szpitali i pracowni to bariera prawna i organizacyjna, bo dane o zdrowiu są szczególnie chronione. Sprawdzamy, jak zbudować model, który działa w całości na sprzęcie placówki.
Model ma działać na komputerze, tablecie lub telefonie w placówce. Obraz tkanki nie opuszcza urządzenia.
Każde wskazanie ma informację, na ile model jest pewny. Ma mówić wprost, kiedy nie wie, zamiast zgadywać.
Moduł sygnalizuje przypadki do sprawdzenia. Nie stawia diagnozy i nie zastępuje oceny specjalisty.
Anonimizacja i pseudonimizacja danych są częścią prac badawczych, a nie dodatkiem na koniec projektu.
Szkiełko z tkanką jest skanowane do obrazu o bardzo wysokiej rozdzielczości.
Obraz jest dzielony na małe kafelki, które model ogląda po kolei, na miejscu.
Dla każdego fragmentu model podaje ocenę i to, na ile jest jej pewny. Niepewne fragmenty są odkładane, a nie zgadywane.
Lekarz dostaje przypadki oznaczone do sprawdzenia i to on podejmuje decyzję.
Najtrudniejsza część to nie sam model, tylko to, żeby był wystarczająco mały do działania na zwykłym urządzeniu i żeby umiał przyznać się do niepewności. Na tym skupiają się obecne badania.
Mapa pokazuje, które okolice fragmentu najmocniej przemawiały za odpowiedzią modelu. Są tu trzy odpowiedzi trafne i trzy błędne. Kliknij fragment, żeby przełączyć obraz i mapę.
Mapa pokazuje, na co patrzy model, a nie czy ma rację: przy błędach uwaga też bywa skupiona i pewna. Fragmenty 224 × 224 px z publicznego archiwum TCGA. Wyniki prototypu badawczego, nie diagnoza. Wyniki oparte w całości lub części na danych TCGA Research Network: cancer.gov/tcga.
Architektura modelu, zmniejszanie jego rozmiaru, ocena niepewności, działanie na urządzeniu.
Bezpieczeństwo danych, anonimizacja i pseudonimizacja.
Interfejs, historia analiz w Indywidualnej Karcie Zdrowia, logowanie zdarzeń.
Testy techniczne, bezpieczeństwa i kliniczne z partnerem medycznym.
Nie. To projekt badawczy. Moduł nie jest wyrobem medycznym i nie służy do diagnozowania pacjentów.
Na otwartych danych naukowych The Cancer Genome Atlas (TCGA), udostępnianych przez NCI Genomic Data Commons. Nie pracujemy na danych pacjentów polskich placówek.
Nie. Ma wskazywać przypadki wymagające uwagi i mówić, kiedy nie jest pewny. Decyzję zawsze podejmuje lekarz.
Bo dla wielu placówek wysłanie danych o zdrowiu na zewnętrzne serwery to bariera prawna i organizacyjna. Model działający na miejscu tę barierę usuwa.
Tak. Rozmawiamy z ośrodkami onkologicznymi, pracowniami patomorfologii i zespołami naukowymi zainteresowanymi walidacją.
medge4cadi powstaje w projekcie badawczo-rozwojowym Konkludi MED, współfinansowanym z Europejskiego Funduszu Rozwoju Regionalnego w ramach programu Fundusze Europejskie dla Pomorza 2021–2027.
