Ale než se dostaneme k samotnému projektu, pojďme si představit svět popálenin prostřednictvím několika statistik. Ty první znějí docela dobře. Každý rok se závažněji popálí „jen“ jeden ze sta Čechů. U 97 % z takto popálených je možné léčbu naštěstí vyřešit ambulantně. Pouze tři lidé z každých deseti tisíc tak tedy skončí jako hospitalizovaní. Bohužel, tady už ty lepší zprávy končí a začínají ty opravdu smutné. 40 % popálenin se týká dětí – a popáleniny či opařeniny jsou třetí nejčastější příčinou smrtelného úrazu. A popáleniny často končí fatálními komplikacemi i v případech, kdy se to v první chvíli nezdá být až tak zásadní.

Právě tady už se dostáváme ke klíčovému tématu projektu, který má tým vývojářů ze SYSCOM Software na starosti.

Rychlost rozhoduje

Zadání od Fakultní nemocnice Královské Vinohrady znělo: pojďme využít dnešních možností umělé inteligence a metod rozpoznávání obrazu k tomu, abychom dali lékařům k dispozici nástroj, jenž dokáže s velkou mírou pravděpodobnosti identifikovat druh a rozsah kožního poranění. Co nejrychleji, aby bylo možné navrhnout optimální postup a začít se správnou léčbou okamžitě.

AI pomáhá určit druh a rozsah poranění.

Že se Fakultní nemocnice Královské Vinohrady rozhodla právě pro SYSCOM Software, není náhoda, protože oba subjekty spolupracují v oblasti rozpoznávání popálenin více než deset let. Už v minulosti společně zjednodušovaly způsob fotodokumentace a šifrování. „V současnosti pracujeme na dvou projektech. Prvním je informační systém DASUV, který slouží k pořizování fotodokumentace a ukládání dat na bezpečném úložišti. Součástí systému jsou konzultace záchranných služeb. Zjednodušeně řečeno, když záchranka veze popáleného pacienta, vše nafotí a může konzultovat s lékařem,“ popisuje Jitka Schořová.

Druhý projekt už je spojený s umělou inteligencí a neuronovými sítěmi. „Jde o grantový projekt, který vypsala Technologická agentura České republiky a jeho cílem je pomocí hlubokých neuronových sítí naučit rozeznávat specifické útvary na fotografiích. Konkrétně se týká rozeznávání popálenin, detekce částí lidského těla a vyhodnocování rizik u případných kožních chorob,“ doplňuje žena, jež je v SYSCOM Software zodpovědná za řízení projektů a vývojový tým. Oba projekty by se pak v budoucnu měly propojit do jednoho jediného řešení.

Lékaře AI nahradit nedokáže, ale může hodně pomoci

Celá problematika nezní na první pohled vlastně až tak složitě. „Lékař má většinou k dispozici mobilní telefon, kterým může fotografii pořídit a nahrát ji do mobilní aplikace. Sestry nebo další lékaři pak už na tabletu mohou pracovat s čárovým kódem založeného pacienta. Nafotí dokumentaci, která se nahrává rovnou na server,“ říká Miroslav Volek.

Lékařské prostředí je bohužel v mnoha ohledech specifické a náročnější než jiné. To se projevilo už v případě, kdy bylo potřeba získat základní dataset fotografií, ze kterého by se umělá inteligence mohla učit. „Ochrana informací, GDPR, medicínská tajemství, způsob ukládání na discích – to všechno byly překážky, které jsme nesměli obejít. Na druhou stranu jsme věděli, že hned od začátku musíme mít kritickou masu obrázků a fotografií, abychom byli schopni získávat co možná nejpřesnější výsledky,“ dodává systémový inženýr, který je zároveň hlavním řešitelem projektů pro Fakultní nemocnici Královské Vinohrady.

Anotace trvají měsíce, vlastní učení hodiny

Právě anotace datasetů také na celém projektu zaberou nejvíce času. „Pokud chcete model natrénovat, musíte vzít každou fotku zvlášť a u každé udělat ve spolupráci s lékařem popisek. Ukázat na místo, které nás zajímá, a definovat přesně stupeň popáleniny. Připomíná to situaci, kdy učíte malé dítě. Pak se obrázek společně s popsanými daty vyexportují. Ale aby systém začal vykazovat relevantní data, potřebujete takových obrázků s anotacemi řádově tisíce. Samozřejmě záleží na tom, jak citlivý ten model chcete a jak komplikované je téma, které má rozeznávat. Vlastní naučení modelu už je potom rychlé, tam se bavíme o řádech hodin,“ doplňuje Jitka Schořová.

Dnes už je celý projekt uveden do testovacího provozu a úkolem vývojářů a lékařů je model spíše ladit, upravovat a vylepšovat. S každými nově anotovanými vstupními daty a každým dotrénováním je rozpoznávání stále přesnější. „V takovém tom prvním a rychlém posouzení je schopný opravdu velmi přesně diagnostikovat, ale lékaře samozřejmě nikdy nezastoupí ani nenahradí. Vždy to bude on, kdo musí mít poslední slovo a rozhodnout o ideálním způsobu léčby,“ uzavírá Jitka Schořová.