O projektu
Klinički sustavi za potporu odlučivanju često su građeni ručnim prikupljanjem, formaliziranjem i implementiranjem specijalističkog znanja. Samim time ograničeni su postojećim ljudskim znanjem o modeliranju kliničkih stanja, dijagnosticiranja i terapija, te znaju biti neprecizni zbog varijacija i kompleksnosti u kliničkim podacima. S ciljem prevladavanja navedenih ograničenja, prateći očigledan porast javno dostupnih zbirki podataka slika dijagnostičke radiologije, strojno učenje postaje gotovo nezamjenjiv alat za rješavanje raznih problema vezanih uz automatsku analizu radioloških snimki, kao dijela sustava za potporu odlučivanju u klinici. Kao nadopuna paradigme učenja prijenosom znanja za učinkovitiju izgradnju novih prediktivnih modela, u posljednje je vrijeme narasla popularnost tzv. temeljnih modela, prvenstveno zbog njihove sposobnosti jednostavne integracije višemodalnih izvora podataka, generalizacije bez potrebe za prilagodbom domeni, te jednostavnom prilagodbom novim zadaćama.
Cilj ovog projekta je iskoristiti snagu suvremenih spoznaja ostvarenih u području strojnog učenja za izgradnju višemodalnih temeljnih modela medicinske radiologije, koji će imati sposobnost prilagodbe brojnim i raznovrsnim složenim zadaćama, poput identificiranja ključnih termina u narativnim dijagnozama te njihovo povezivanje sa slikovnim konceptima, generiranja narativnih dijagnoza temeljem zadanih slikovnih ulaza i obratno, dohvata najsličnijih primjera pregleda prema zadanom upitu i sl. Navedeno će se ostvariti korištenjem postojeće arhivske zbirke od 20 milijuna radioloških slika preuzete iz KBC-a Rijeka.
Rad na projektu provodit će se suradnjom interdisciplinarnog tima (računarstvo, fizika i medicina) znanstvenika Medicinskog fakulteta i Tehničkog fakulteta Sveučilišta u Rijeci, Specijalne bolnice Medico te Fakulteta za matematiku i fiziku Sveučilišta u Ljubljani.
Aktivnosti
- Analiza dostupne višemodalne zbirke podataka medicinske radiologije i pregled trenutnog stanja područja
- Implementacija programskog okvira za provedbu eksperimenta, uključujući učenje i sveobuhvatno vrednovanje modela
- Odabir i implementacija metoda višemodalnog strojnog učenja iz slike i teksta
- Iterativno učenje i kvantitativno vrednovanje modela RADNET, uz optimizaciju vrijednosti hiperparametara
- Ispitivanje tragova povjerljivih podataka u modelima RADNET
- Odabir i implementacija nizvodnih dijagnostičkih i drugih zadaća za javno dostupne zbirke podataka
- Kvantitativno usporedno vrednovanje modela RADNET na rješavanju odabranih zadaća
- Kvalitativno usporedno vrednovanje naučenih modela korištenjem metoda isticanja
- Istraživanje mogućnosti korištenja federiranog učenja za sigurno rukovanje povjerljivim podacima
- Ispitivanje interesa drugih kliničkih centara za uključivanjem u istraživanje
- Izrada dokumentacije za prijavu projekta većeg konzorcija
Suradnici
prof. dr. sc. Ivan Štajduhar 1 – voditelj projekta
prof. dr. sc. Damir Miletić, dr. med., specijalist radiologije 2
prof. dr. sc. Matija Milanič 3
dr. sc. Franko Hržić, mag. ing. comp. 1
dr. sc. Tin Nadarević, dr. med., specijalist radiologije 2
Mihaela Mamula Saračević, dr. med., specijalist radiologije 4
Teo Manojlović, mag. ing. comp. 1
Mateja Napravnik, mag. ing. comp. 1
Mária Krajčí, mag. ing. comp. 1
Mateo Mikulić, mag. ing. comp. 1
Dominik Vičević, mag. ing. comp. 1
1 Sveučilište u Rijeci, Tehnički fakultet
2 Sveučilište u Rijeci, Medicinski fakultet / Klinički bolnički centar Rijeka
3 Sveučilište u Ljubljani, Fakultet za matematiku i fiziku
4 Specijalna bolnica Medico, Rijeka
Financiranje
UNIRI projekti za materijalno zahtjevna istraživanja, uniri-mzi-25-17
Financira Europska unija – NextGenerationEU. Izneseni stavovi i mišljenja samo su autorova i ne odražavaju nužno službena stajališta Europske unije ili Europske komisije. Ni Europska unija ni Europska komisija ne mogu se smatrati odgovornima za njih.