Badacze z Uniwersytetu Medycznego w Białymstoku (Marta Wielogórska-Partyka, Katarzyna Siewko, Anna Popławska-Kita, Angelika Buczyńska, Piotr Myśliwiec, Adam Jacek Krętowski, Agnieszka Adamska) oraz Marcin Adamski z Politechniki Białostockiej (odpowiedzialny za wybór metod uczenia maszynowego, celu ich zastosowania, przeprowadzenie procesu uczenia, testy, ocenę wyników i analizę statystyczną) opublikowali artykuł „Patient classification and attribute assessment based on machine learning techniques in the qualification process for surgical treatment of adrenal tumours.” w czasopiśmie Scientific reports.
Incydentaloma nadnercza (AI) to bezobjawowy guz nadnerczy, wykrywany za pomocą tomografii komputerowej i stanowiący wyzwanie kliniczne. Celem przełomowych badań uczonych z UMB było porównanie różnych technik uczenia maszynowego w kwalifikacji pacjentów do adrenalektomii oraz wybór najdokładniejszego algorytmu. Analiza obejmowała dane 33 pacjentów z incydentalnymi guzami nadnerczy, z wykorzystaniem algorytmów takich jak SVM, KNN i las losowy.
Wyniki wykazały, że klasyfikator SVM osiągnął najwyższą dokładność (91%) w identyfikacji pacjentów wymagających adrenalektomii, przewyższając dokładność specjalistów medycznych (64%). Kluczowe cechy do klasyfikacji obejmowały homogeniczność guza, maksymalną średnicę guza oraz otyłość pacjenta. Pomimo ograniczeń związanych z małą próbą, badanie podkreśla ogromny potencjał sztucznej inteligencji we wspieraniu decyzji dotyczących operowania pacjentów. Sztuczna inteligencja już od lat jest jednym z obszarów w którym Uniwersytet Medyczny w Białymstoku pozostaje jednym z regionalnych liderów.
Badania zostały częściowo wsparte grantami W/WI-IIT/3/2020 i WZ/WI-IIT/4/2023 Politechniki Białostockiej oraz sfinansowana ze środków na badania Ministerstwa Nauki i Szkolnictwa Wyższego.
Link do artykułu: Patient classification and attribute assessment based on machine learning techniques in the qualification process for surgical treatment of adrenal tumours.
