Polski system sztucznej inteligencji medycznej SkinLogic stworzony do precyzyjnej, automatycznej analizy skórnych testów alergicznych pomyślnie przeszedł badania kliniczne, co potwierdziło, że może wpierać lekarzy w stawianiu diagnoz. Publikacja dotycząca prac nad jego tworzeniem została opublikowana w czasopiśmie „Scientific Reports”.
„Nasze badania znalazły uznanie w oczach międzynarodowych recenzentów i zostały uznane za wyniki na światowym poziomie” – podkreślają twórcy systemu w przesłanym PAP komunikacie.
Prace nad nowatorskim rozwiązaniem diagnostycznym o nazwie SkinLogic prowadził multidyscyplinarny zespół naukowców złożony z inżynierów kierowanych przez prof. Roberta Nowaka z Instytutu Informatyki Politechniki Warszawskiej oraz ze specjalistów od multispektralnego obrazowania medycznego i lekarzy kierowanych przez prof. Jacka Stępnia ze spółki Milton Essex i prof. Karinę Jahnz-Różyk z Wojskowego Instytutu Medycznego. Projekt stanowił część większego programu badawczego dotyczącego wykorzystania sztucznej inteligencji do celów zautomatyzowanego przetwarzania obrazowych danych medycznych – IRFAN-Allergoscope.
Głównym przeznaczeniem SkinLogic jest automatyzacja odczytu skórnych testów alergicznych. System działa w oparciu o techniki multispektralnego (wielowidmowego) obrazowania medycznego z wykorzystaniem widma w dalekiej poczerwieni (LWIR).
Wykorzystana w urządzeniu głowica HYBRID II posiada unikalny układy sensorów, które w połączeniu z systemem sztucznej inteligencji dokładnie szacują nasilenie alergii, przy jednoczesnym zmniejszeniu ryzyka błędnego rozpoznania, do jakiego może dojść podczas diagnozy przy użyciu standardowych metod, prowadzonej przez człowieka.
Rozwiązanie to, jak wyjaśniają jego twórcy, stanowi przełom w zautomatyzowanej cyfrowej analizie patologii tkanki skórnej, umożliwiając wykrywanie nawet subminimalnych (czyli niższych niż minimalne) zmian o średnicy poniżej 0,3 mm. Pozwala więc na precyzyjną identyfikację nowego typu czynnościowych markerów skórnej reakcji alergicznej (HARM – Hyperthermic Allergic Reaction Markers).
SkinLogic jest też w pełni kompatybilny ze wszystkimi dostępnymi na rynku zestawami do testów skórnych: zarówno tych punktowych, jak i płatkowych.
Jak podkreśla prof. Jacek Stępień, współtworzony przez niego system, wykorzystujący sprzężone algorytmy uczenia głębokiego i hybrydowy model z kluczowym modułem w postaci konwolucyjnej sieci neuronowej, osiągnął bardzo dobre wyniki wykrywania odczynów alergicznych w porównaniu ze „złotym standardem klinicznym”.
Badania kliniczne systemu przeprowadzone zostały w Klinice Chorób Wewnętrznych, Pneumonologii, Alergologii i Immunologii Klinicznej Wojskowego Instytutu Medycznego. Na jego potrzeby naukowcy zgromadzili bazę ponad 1500 obrazów skórnych odczynów alergicznych, w oparciu o które testowali SkinLogic.
„System uzyskał wskaźniki AUC (0.98) i AP (0.97), które są przyjętymi miarami jakości testów medycznych, co plasuje go w pierwszej lidze światowej” – informuje współautor badania.
Polski wynalazek miał już swoją światową premierę. Jego rozwojowa wersja w postaci skanera SkinSense została zaprezentowana w listopadzie 2021 na międzynarodowych targach MEDICA’21 w Duesseldorfie. Wynalazek zdobył także Złoty Medal podczas XV edycji Międzynarodowej Warszawskiej Wystawy Wynalazków IWIS.
Obecnie SkinLogic przechodzi końcowe testy przedrejestracyjne, konieczne do wprowadzenia go na rynek, i jest przygotowany do programu badań pilotażowych mających na celu wczesne wykrywanie alergii wziewnych, które są kluczowymi czynnikami rozwoju astmy alergicznej.
Według WHO na tę postać astmy cierpi ok. 262 milionów ludzi i każdego roku powoduje ona ponad 460 tys. zgonów w skali świata. Jednocześnie szacuje się, że częstość występowania astmy wzrasta nawet o 50 proc. co dekadę. Według szacunków Europejskiej Akademii Alergologii i Immunologii Klinicznej (EAACI) w ciągu najbliższych 15 lat ponad połowa Europejczyków będzie cierpieć z powodu jakiegoś rodzaju alergii. Tymczasem specjalistów nie przybywa proporcjonalnie do liczby chorych, co wpływa negatywnie na proces diagnozy i leczenie.
Źródło;
