Il Nuovo Sistema AI del MIT Rende la Segmentazione delle Immagini più Rapida e Semplice

I ricercatori del MIT hanno sviluppato un sistema di intelligenza artificiale che aiuta gli esperti medici ad accelerare le loro ricerche attraverso un’analisi rapida delle immagini dei dati medici.

Lo strumento, chiamato MultiverSeg, consente agli scienziati di contrassegnare specifiche aree dell’immagine, semplicemente cliccando o scarabocchiando, e il sistema utilizza queste informazioni per generare previsioni per i risultati futuri.

Il MIT spiega che il processo iniziale e più laborioso nella ricerca clinica richiede l’annotazione di immagini mediche, nota anche come segmentazione. Ad esempio, per studiare come l’ippocampo nel cervello cambia con l’età, i ricercatori devono tracciarlo manualmente attraverso varie scansioni.

“Molti scienziati potrebbero avere tempo solo per segmentare alcune immagini al giorno per la loro ricerca perché la segmentazione manuale delle immagini è molto dispendiosa in termini di tempo. La nostra speranza è che questo sistema possa consentire nuove scoperte scientifiche, permettendo ai ricercatori clinici di condurre studi che prima erano preclusi a causa della mancanza di uno strumento efficiente,” ha dichiarato Hallee Wong, autrice principale e studentessa di dottorato in ingegneria elettrica e informatica.

A differenza dei sistemi precedenti, MultiverSeg non richiede ai ricercatori di addestrarlo con grandi set di dati presegmentati. Il sistema crea un “set di contesto” da immagini segmentate passate e le utilizza per migliorare le previsioni future. I ricercatori spiegano che il sistema richiede quasi nessuna interazione dell’utente man mano che il tempo passa.

I ricercatori hanno testato MultiverSeg contro strumenti all’avanguardia, e hanno scoperto che richiede meno clic e scarabocchi, e produce risultati più accurati. Infatti, il sistema di intelligenza artificiale richiedeva solo una o due segmentazioni manuali di raggi X prima di poter fare previsioni accurate per le aree rimanenti.

“Con MultiverSeg, gli utenti possono sempre fornire ulteriori interazioni per perfezionare le previsioni dell’IA. Questo accelera comunque notevolmente il processo perché di solito è più veloce correggere qualcosa che esiste piuttosto che partire da zero,” ha spiegato Wong.

Il team prevede di testare il sistema in ambienti clinici, con la speranza che possa migliorare anche l’efficienza in aree come la pianificazione dei trattamenti radioterapici.