Wykorzystanie sztucznej inteligencji w diagnozowaniu schorzeń płucnych
Słowa kluczowe:
sztuczna inteligencja, diagnostyka, uczenie maszynowe, płucaStreszczenie
Choroby układu oddechowego stanowią znaczące wyzwanie zdrowotne na skalę globalną, generując poważne obciążenie społeczne i ekonomiczne. Ich rosnąca częstość występowania, obejmując schorzenia takie jak zapalenie płuc, astma, przewlekła obturacyjna choroba płuc (POChP), rak płuc czy gruźlica, wymaga nowych, skutecznych strategii diagnostycznych i terapeutycznych. Wprowadzenie sztucznej inteligencji (AI) do analizy obrazów medycznych oferuje obiecujące możliwości poprawy precyzji diagnozowania i leczenia chorób płuc poprzez wykorzystanie zaawansowanych algorytmów uczenia maszynowego i głębokiego uczenia. Jednakże, implementacja AI w praktykę kliniczną niesie za sobą nie tylko potencjalne korzyści, ale także wyzwania, takie jak kwestie etyczne, prywatność danych oraz zapewnienie bezpieczeństwa w stosowaniu nowych technologii w opiece zdrowotnej. Ważne jest zatem równoważenie innowacji z dbałością o dobro pacjentów i zrozumienie kompleksowych aspektów wprowadzania AI do codziennej praktyki medycznej.
Bibliografia
Shukla SD, Vanka KS, Chavelier A, et al. Chronic respiratory diseases: An introduction and need for novel drug delivery approaches. In: Elsevier eBooks. ; 2020:1-31. doi:10.1016/b978-0-12-820658-4.00001-7
Levine SM, Marciniuk DD. Global Impact of Respiratory Disease: What Can We Do, Together, to Make a Difference?. Chest. 2022;161(5):1153-1154. doi:10.1016/j.chest.2022.01.014nap
GBD Chronic Respiratory Disease Collaborators. Prevalence and attributable health burden of chronic respiratory diseases, 1990-2017: a systematic analysis for the Global Burden of Disease Study 2017. Lancet Respir Med. 2020;8(6):585-596. doi:10.1016/S2213-2600(20)30105-3
Jaroszewski DE, Webb BJ, Leslie KO. Diagnosis and management of lung infections. Thorac Surg Clin. 2012;22(3):301-324. doi:10.1016/j.thorsurg.2012.05.002
Akhter Y, Singh R, Vatsa M. AI-based radiodiagnosis using chest X-rays: A review. Frontiers in Big Data. 2023;6. doi:10.3389/fdata.2023.1120989
Ramesh AN, Kambhampati C, Monson JR, Drew PJ. Artificial intelligence in medicine. Ann R Coll Surg Engl. 2004;86(5):334-338. doi:10.1308/147870804290
Amisha, Malik P, Pathania M, Rathaur VK. Overview of artificial intelligence in medicine. J Family Med Prim Care. 2019;8(7):2328-2331. doi:10.4103/jfmpc.jfmpc_440_19
Patrzyk S, Woźniacka A. Sztuczna inteligencja w medycynie. Published 2022. https://publicum.umed.lodz.pl/info/book/AML24d90f442c5d4371b82468f392f8de63/
Rajpurkar P, Chen E, Banerjee O, Topol EJ. AI in health and medicine. Nat Med. 2022;28(1):31-38. doi:10.1038/s41591-021-01614-0
Ramesh AN, Kambhampati C, Monson JR, Drew PJ. Artificial intelligence in medicine. Ann R Coll Surg Engl. 2004;86(5):334-338. doi:10.1308/147870804290
Beam AL, Drazen JM, Kohane IS, Leong TY, Manrai AK, Rubin EJ. Artificial Intelligence in Medicine. N Engl J Med. 2023;388(13):1220-1221. doi:10.1056/NEJMe2206291
Al Kuwaiti A, Nazer K, Al-Reedy A, et al. A Review of the Role of Artificial Intelligence in Healthcare. J Pers Med. 2023;13(6):951. Published 2023 Jun 5. doi:10.3390/jpm13060951
Hussain S, Mubeen I, Ullah N, et al. Modern Diagnostic Imaging Technique Applications and Risk Factors in the Medical Field: A Review. Biomed Res Int. 2022;2022:5164970. Published 2022 Jun 6. doi:10.1155/2022/5164970
Nakamura H, Hirai T, Kurosawa H, et al. Current advances in pulmonary functional imaging. Respir Investig. 2024;62(1):49-65. doi:10.1016/j.resinv.2023.09.004
To X-ray or not to X-ray? (dostęp 08.04.2024r.) https://www.who.int/news-room/feature-stories/detail/to-x-ray-or-not-to-x-ray-
Grzelewska-Rzymowska I, Mańkowska-Baczyńska K, Górski P. Gruźlica – od diagnostyki do leczenia według standardów dla krajów Unii Europejskiej. Pediatria i Medycyna Rodzinna. 2013;9(3):224-231.
Chandra TB, Verma K, Singh BK, Jain D, Netam SS. Automatic detection of tuberculosis related abnormalities in Chest X-ray images using hierarchical feature extraction scheme. Expert Systems With Applications. 2020;158:113514. doi:10.1016/j.eswa.2020.113514
Diab N, Gershon AS, Sin DD, et al. Underdiagnosis and Overdiagnosis of Chronic Obstructive Pulmonary Disease. Am J Respir Crit Care Med. 2018;198(9):1130-1139. doi:10.1164/rccm.201804-0621CI
Tang LYW, Coxson HO, Lam S, Leipsic J, Tam RC, Sin DD. Towards large-scale case-finding: training and validation of residual networks for detection of chronic obstructive pulmonary disease using low-dose CT. Lancet Digit Health. 2020;2(5):e259-e267. doi:10.1016/S2589-7500(20)30064-9
Liu C, Wang X, Liu C, Sun Q, Peng W. Differentiating novel coronavirus pneumonia from general pneumonia based on machine learning. Biomed Eng Online. 2020;19(1):66. Published 2020 Aug 19. doi:10.1186/s12938-020-00809-9
Schwyzer M, Martini K, Skawran S, Messerli M, Frauenfelder T. Pneumonia Detection in Chest X-Ray Dose-Equivalent CT: Impact of Dose Reduction on Detectability by Artificial Intelligence. Acad Radiol. 2021;28(8):1043-1047. doi:10.1016/j.acra.2020.05.031
Plecka P. Unusual symptoms of lung cancer — a case report. Oncology in Clinical Practice. 2018;14(2):110-113. doi:10.5603/ocp.2018.0016
Zhang H, Peng Y, Guo Y. Pulmonary nodules detection based on multi-scale attention networks. Sci Rep. 2022;12(1):1466. Published 2022 Jan 27. doi:10.1038/s41598-022-05372-y
Bączyk-Rozwadowska K. Odpowiedzialność cywilna za szkody wyrządzone w związku z zastosowaniem sztucznej inteligencji w wydajności. Opublikowano 2021. https://omega.umk.pl/info/article/UMK3c050470d07a44b9bf48299c7e7a0c71/Publikacja+%25E2%2580%2593+Odpowiedzialno%25C5%259B%25C4%2587+cywilna+za+szkody+wyrz%25C4%258 5strefa+w +zwi%25C4%2585zku+z+zastosowanie+sztucznej+inteligencji+w+medycynie+%25E2%2580%2593+Uniwersytet+Miko%25C5%2582aja+Kopernika+w+Toruniu?r=publikacja&ps=20&lang=en&pn=1&cid=242847
Wendehorst C. Ścisła odpowiedzialność za sztuczną inteligencję i inne nowe technologie. Journal of European Tort Law (druk) . 2020;11(2):150-180. doi: 10.1515/jetl-2020-0140
Zapowiedzi
23 września 2024
Prawa autorskie (c) 2024 Zofia Koźlicka, Natalia Kryus, Gabriela Bołoz
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.
