Umelá inteligencia lekára nenahradí, môže mu však pomáhať
Stretávam sa s obavami, že by raz mohla vziať doktorom prácu. Ja to pokladám za neopodstatnené, skôr naopak, môže zvýšiť úroveň medicínskych vyšetrení, hovorí profesorka z Ústavu počítačového inžinierstva a aplikovanej informatiky FIIT STU Vanda Benešová.
Pani profesorka, poďme rovno k aplikovanej informatike. Čo konkrétne si tu môže laik predstaviť?
Ako už samotný pojem dáva tušiť, na rozdiel od čisto teoretickej počítačovej vedy ide o použitie informatiky v rôznych aplikačných oblastiach. Dnes je to veľmi široký pojem. Ja osobne sa zaoberám počítačovým videním, čo je vedná oblasť, ktorá sa, zjednodušene povedané, zaoberá spracovaním a získavaním informácie z obrazu. Môžeme si to predstaviť v takom zmysle, ako keby mal počítačový systém oči, technicky realizované ako senzor, napríklad kamera. A naším cieľom je, aby nasnímanému obrazu dokázal aj porozumieť.
Ako ste sa dostali k svojmu odboru? Bavil vás vždy?
Pri štúdiu na Fakulte elektrotechnickej ČVUT v Prahe ma najviac bavilo spracovanie signálu. Najskôr som sa venovala spracovaniu jednodimenziálneho, to je napríklad zvuk. Dizertačnú prácu som vypracovala na tému rozpoznávanie reči pomocou neurónových sietí. Ale to bolo ešte začiatkom deväťdesiatych rokov a šlo o z dnešného pohľadu veľmi jednoduché neurónové siete.
Kam vás potom viedla vaša odborná prax?
Bola som asistentkou na Montanuniversität v Leobene, výskumnou pracovníčkou na Ústave pre digitálne spracovanie obrazu v Joanneum Research v Grazi, a potom na Fakulte Informatiky a informačných technológií v Bratislave. Po celý čas som sa nepretržite venovala spracovaniu signálu, avšak to už zväčša dvojdimenzionálnemu, čiže obrazu. Som za to veľmi vďačná, je to krásny a zaujímavý vedný odbor, kde je stále čo objavovať.
Čo si môže bežný človek predstaviť pod digitálnym spracovaním obrazu?
Rôzne metódy, ktoré nám umožňujú jeho úpravu, od tých najjednoduchších, ako je napríklad odstránenie šumu, priostrenie hrán a podobne, až po pomerne sofistikované prístupy rozpoznávania objektov na scéne, porozumenie scény, či už v statickom obraze alebo videu a podobne. V tomto prípade však už hovoríme skôr o počítačovom videní, aj keď pojmy digitálne spracovanie obrazu a počítačové videnie nie sú jasne medzi sebou vyhranené.
A čo detekcia a rozpoznávanie objektov v obraze metódami počítačového videnia, ktorými sa taktiež zaoberáte?
Detekcia a rozpoznávanie objektov v obraze je jeden z kľúčových problémov počítačového videnia. Po dlhé roky, zhruba od šesťdesiatych rokov minulého storočia až donedávna, bolo robustné rozpoznávanie objektov v počítačovom videní pomerne ťažko dosažiteľná méta. Určite boli zaznamenané viaceré významné míľniky, ako napríklad algoritmus Viola & Jones, nazvaný podľa autorov, pre detekciu tváre v reálnom čase okolo roku 2000. Skutočnú revolúciu v rozpoznávaní objektov však prinieslo až využitie hlbokých neurónových sietí, predovšetkým konvolučných, keď sa okolo roku 2012 objavila neurónová sieť AlexNet a ďalšie. Môžeme konštatovať, že počítačové videnie sa stalo vlastne prvou aplikačnou oblasťou, na ktorej sme pozorovali obrovský rozmach umelej inteligencie vo forme hlbokých neurónových sietí. Odvtedy sú neurónové siete neodmysliteľnou súčasťou počítačového videnia, je fascinujúce sledovať rozmach a komplexitu, ale aj úspešnosť výsledkov, ktorú publikované prístupy dosiahli behom posledných rokov.
Poďme k súvisu vašej práce s medicínou. V čom tu spočíva úloha umelej inteligencie?
Ako ste už naznačili v otázke, vo svojej odbornej práci sa venujem predovšetkým použitiu počítačového videnia v medicínskych aplikáciách. Ide o spracovanie obrazu, takže konkrétne je to predovšetkým spracovanie rádiologických snímok, ako je RT, CT, MRI, ultrazvuk, a tiež spracovanie histologických snímok. Prvým impulzom smerom k medicíne bola podpora mojej výskumnej skupiny firmou Siemens Healthineers, výrobcu CT, MRI a ďalších medicínskych zariadení.
Zastavme sa teda pri tých snímkach.
V oblasti rádiológie, ak pracujeme s MRI alebo CT snímkami, ide o trojdimenzionálne dáta, čo už samo osebe kvôli ich veľkosti predstavuje výzvu pri spracovaní hlbokými neurónovými sieťami, ale s tým si vieme poradiť. Typické úlohy, ktoré riešime, sa zameriavajú na segmentáciu anomálií, tumorov, prípadne aj anatomických častí. Najviac sa venujeme snímkam mozgu. Taktiež je predmetom výskumu klasifikácia určitých vlastností, napríklad typ tumoru, a taktiež predikcia vývoju v čase (takzvané longitudinálne štúdie). V oblasti histológie je situácia rozdielna.
V akom duchu?
Aj keď sú to len dvojdimenzionálne dáta, svojou veľkosťou sú spracovateľné len po jednotlivých častiach; jedno naskenované sklíčko so vzorkou tkaniva má totižto rozlíšenie bežne väčšie, než stotisíc krát stotisíc pixelov. Patológ si pôvodné sklíčko prezerá pod mikroskopom pri rôznych zväčšeniach, prípadne aj rôznych ofarbeniach, a s vysokou odbornosťou syntetizuje veľmi komplexné súvislosti, ktoré pozoruje. Práve táto komplexita je veľkou výzvou, my sa usilujeme hlavne o získavanie podporných informácií pre patológa a nesnažíme sa ho nejakým spôsobom plne nahradiť. Tento prístup aplikujeme aj v rádiológii.
Čiže cieľom je nie suplovať, ale uľahčiť lekárovi prácu.
Áno, to je náš prístup. Napríklad v histológii sa snažíme poskytnúť vyhodnotenie výskytu určitého typu buniek alebo regiónov na histologickom snímku, prípadne poskytnúť informácie, ktoré nie sú jasne viditeľné voľným okom, upozorniť na podozrivé oblasti a podobne. V rádiológii existuje v poslednej dobe výskumný trend nazývaný radiomika , ktorý je zameraný na výskum biomarkerov získaných z rádiologických snímok. Radiomika má taktiež za úlohu lekárovi poskytnúť doplňujúce informácie, ktoré síce dokáže spracovať systém počítačového videnia, ale nie sú jednoducho kvantifikovateľné voľným ľudským okom.
Úloha lekára teda zostáva nezastupiteľná.
Samozrejme. Je to ľudský faktor, ktorý je dôležitý z pohľadu odborného, ale aj z pohľadu pacienta. Stretávam sa s obavami, že umelá inteligencia vezme lekárom prácu. Ja to pokladám za neopodstatnené, skôr naopak, môže zvýšiť úroveň medicínskych vyšetrení.
Poďme k vašej spolupráci s lekármi. Ako by ste ju opísali?
Môžem konštatovať, že v poslednej dobe sa z ich strany stretávam so skutočne otvoreným a proaktívnym prístupom; vystihuje to už fakt, že väčšina týchto spoluprác vznikla z ich iniciatívy. Uviedla by som tu napríklad spoluprácu s MUDr. Tomášom Žilkom z Univerzitnej nemocnice svätého Michala, v tomto prípade je centrálnou témou adenóm hypofýzy, ktorý segmentujeme a analyzujeme z MRI snímok metódami počítačového videnia a skúmame súvisiace radiomické príznaky. MUDr. Žilka už tento výskum predstavil na viacerých lekárskych kongresoch, teraz pripravujeme spoločný prehľadový článok. Ďalšou pre nás významnou spoluprácou je spolupráca s Inštitútom klinickej a experimentálnej medicíny (IKEM) v Prahe.
Tam sa zameriavate na čo?
Na vyhodnotenie histologických snímok z biopsie po transplantácii srdca, napríklad segmentáciu zápalových oblastí spolu s ich štatistickým popisom. Z tejto spolupráce je viacero publikácií, aj z našej výskumnej skupiny, spomeniem aspoň publikáciu doktoranda Ing. Mateja Halinkoviča, ako aj zo strany lekárov patológov z IKEMu. Ešte by som rada spomenula spoluprácu s ústavom patologickej anatómie na Lekárskej fakulte UK, konkrétne s MUDr. Kristínou Mikuš Kuracinovou, PhD. Tu sme vytvorili tímy študentov - diplomantov z obidvoch fakúlt s cieľom vytvorenia novej aplikácie v histológii pomocou moderných metód počítačového videnia s aktívnou účasťou medikov. V tíme je aj študent, ktorého úlohou je zabezpečiť, aby vytvárané softvérové nástroje boli používateľsky príjemné. Oslovili nás aj lekári z gastroenterologickej ambulancie nemocnice Bory, z pohľadu počítačového videnia by išlo o fúziu viacerých modalít obrazu od histológie cez endoskopické snímky a snímky ultrazvuku až po klinické dáta. Táto spolupráca je však zatiaľ iba v začiatkoch, tak uvidíme.
Ešte by ma zaujímala vaša inauguračná prednáška; ak mám správne informácie, jej témou bol výskum v oblasti počítačového videnia s využitím metód umelej inteligencie a modelovania ľudskej vizuálnej pozornosti. Môžete to zjednodušene priblížiť?
Z pohľadu spracovania obrazu si kladieme otázku, ktorá časť scény, na ktorú sa ľudský pozorovateľ podíva, pritiahne najviac jeho pozornosti. Ilustračný príklad by bol, ak sa napríklad v pomerne farebne nevýraznej scéne nachádza na jednom mieste jasnočervený objekt. Tento pravdepodobne pritiahne našu pozornosť ako prvý. Naším cieľom je teda zanalyzovať celú scénu podľa jej vizuálnej výraznosti (v angličtine hovoríme o saliency). Výstupom teda môžu byť takzvané salienčné mapy, ktoré znázorňujú vizuálnu výraznosť jednotlivých miest v obraze.
Ako sa to dá dosiahnuť?
Potrebujeme vytvoriť model ľudského vizuálneho vnímania, ktorý nám bude predikovať, ako bude vizuálne sledovať danú scénu ľudský pozorovateľ. Referenčné dáta získavame experimentálne pomocou sledovača očí. Takýto model má mnohé možnosti uplatnenia, napríklad pre detekciu salientných oblastí pri komprimovaní obrazových dát, v počítačovej grafike, ale aj pri detekcii objektov alebo výbere dôležitých informácií z obrazu. Príklad, ktorý som načrtla, je veľmi zjednodušený, keďže do modelu vstupujú mnohé ďalšie faktory od vzdialenosti objektov cez emotívne rozpoloženie pozorovateľa až po otázku, či ide o model zdola nahor alebo zhora nadol, časový proces jednotlivých fixácií pri prezeraní scény a podobne. Sú aj výskumy, ktoré ukazujú, že rozdielne procesy vizuálneho vnímania majú niektorí ľudia s určitou chorobou, napríklad s niektorou poruchou autistického spektra, a otvára sa teda možnosť výskumu diagnostiky pomocou sledovača očí a príslušného modelu. Samozrejme, dnes sú tie najúspešnejšie modely tvorené pomocou hlbokých neurónových sietí.
Pozrime sa ešte na život na Ústave počítačového inžinierstva a aplikovanej informatiky. Aký máte kolektív?
Máme výskumnú skupinu, ktorá si dala názov Vision & Graphics Group (VGG) a ktorá pozostáva okrem mňa zo samých mladých zanietených kolegov a študentov doktorandského štúdia. Väčšinu z nich, vrátane hotových doktorov PhD, som viedla už od bakalárskej práce, poznáme sa teda roky. Z môjho pohľadu to je úžasne motivujúci kolektív.
Obligátna otázka. Čo si myslíte o dnešných študentoch, ak by ste mali porovnávať s vlastnými študentskými časmi?
Mnohé sa zmenilo, moderná doba prináša iné možnosti aj požiadavky. Počas môjho štúdia sa predmety dosť budovali na teórii a cvičenia potom boli o počítaní príkladov, či už to bola teória poľa, lineárne obvody alebo akustika, proste bez solídnych základov matematiky to nešlo. Dnes musia mať študenti omnoho širší záber, vypracovávajú priebežne mnohé projekty a sú plne vyťažení počas celého semestra, musia vedieť svoju prácu aj kvalitne odprezentovať a ovládať ďalšie zručnosti, ktoré za čias môjho štúdia neboli také vyžadované. Na jednej strane majú omnoho jednoduchší prístup k odbornej literatúre, ale na druhej strane myslím, že celkovo sú na nich kladené skutočne vysoké a komplexné požiadavky. Odmenou im je zvyčajne dobré uplatnenie v praxi.
Akým najzaujímavejším projektom ste sa doposiaľ venovali?
Prakticky všetky boli zaujímavé, ja by som však spomenula jeden, na ktorý určite nezabudnem. Keď som okolo roku 2000 začala pracovať na Joanneum Research v Grazi, hneď ma plne zapojili do projektu automatického triedenia parkiet. Znamenalo to nielen navrhnúť a implementovať systém založený na strojovom učení, ale ho aj uviesť ako zariadenie pracujúce v reálnom čase do prevádzky u známeho výrobcu parkiet Weizer Parkett. Keď sa potom spočítali moje odpracované hodiny za mesiac, bežne som mala k asi 160 normálnym hodinám odpracovaných 160 nadhodín. Bolo to veľmi stresujúce a vyčerpávajúce, nakoniec ale tento celý systém priemyselnej inšpekcie parkiet bol v prevádzke nepretržite ešte niekoľko rokov.
Vydali ste, predpokladám, viacero publikácií?
Samozrejme, publikačná činnosť je súčasťou práce v akademickej sfére. Pod pseudonymom Wanda Benesova je môj publikačný profil ľahko dohľadateľný v databázach, či už SCOPUS, WOS, alebo jednoducho na Google scholar. S kolegyňami z „matfyzu“ sme napísali aj knihu Počítačové videnie, to však bolo ešte pred érou hlbokých neurónových sietí, a niektoré kapitoly teda medzičasom čiastočne stratili na aktuálnosti.
Ako sa vám darí skĺbiť prácu a rodinu?
Moje dcéry sú už dávno dospelé a majú svoj vlastný život, a to v iných kútoch Európy. U manžela nachádzam pre moju prácu podporu, nevnímam to ako problém.
Ešte na záver prezraďte, čomu sa venujete vo voľnom čase?
Mám rada hudbu, okrem dychovky snáď všetky hudobné žánre, hlavne rock, jazz a klasickú hudbu. Rada teda zájdem na koncert, na výstavu výtvarného umenia alebo do divadla. Keď je možnosť, rada trávim čas s vnukmi.
Text: Katarína Macková
Foto: archív respondentky, portrét: Andrej Antoniaci