AbdomenAtlas, kumpulan data CT abdomen terbesar, hadir untuk mempercepat anotasi pemindaian medis dengan membantu AI dalam deteksi kanker. Dengan lebih dari 45.000 pemindaian dari 145 rumah sakit, inisiatif ini memungkinkan kecepatan dan akurasi dalam deteksi penyakit tanpa membebani radiolog. Tim berkomitmen untuk merilis dataset ini ke publik dan mendorong kolaborasi antar-institusi.
Radiolog kini memanfaatkan model visi komputer berbasis AI untuk mempercepat analisis pemindaian medis yang rumit. Namun, model-model ini memerlukan data pelatihan yang diberi label dengan teliti, yang masih mengharuskan radiolog menghabiskan waktu untuk memberi anotasi gambar medis. Tim internasional yang dipimpin oleh Profesor Alan Yuille dari Johns Hopkins telah mengembangkan AbdomenAtlas, kumpulan data CT abdomen terbesar, dengan lebih dari 45.000 pemindaian 3D yang menampilkan 142 struktur anatomi yang dianotasi dari 145 rumah sakit internasional.
Kumpulan data ini 36 kali lebih besar dari kompetitornya dan muncul dalam edisi baru Jurnal Analisis Gambar Medis. Dengan menggunakan AI, ilmuwan menciptakan kumpulan data organ abdomen terbesar di bawah dua tahun, mengatasi tantangan anotasi yang biasanya memakan waktu ribuan jam bagi radiolog.
Tim ini mengadopsi tiga model AI, menggunakan peta perhatian berwarna untuk menyoroti area yang memerlukan perbaikan dalam prediksi. Metode ini meningkatkan efisiensi anotasi, mempercepat proses hingga 10 kali untuk tumor dan 500 kali untuk organ, tanpa membebani radiolog. Ini memungkinkan pengembangan dataset yang lebih besar dan lebih tepat.
AbdomenAtlas juga berfungsi sebagai patokan bagi kelompok penelitian lain untuk mengevaluasi akurasi algoritma segmentasi medis. Tim berencana untuk merilis AbdomenAtlas ke publik dan mendorong kolaborasi antar-institusi untuk mempercepat pembagian data dan pengembangan AI.
Penggunaan AI dalam analisis pemindaian medis merupakan kemajuan besar untuk mendukung deteksi dini kanker. Mengingat bahwa annotasi pemindaian CT secara manual memerlukan banyak waktu dan tenaga, pengembangan AbdomenAtlas bertujuan untuk mengatasi kendala tersebut dengan menciptakan dataset yang lebih besar dan lebih lengkap. Dengan demikian, dataset ini dapat melatih algoritma AI untuk mendeteksi penyakit tanpa menambah beban kerja radiolog.
AbdomenAtlas merupakan terobosan dalam meningkatkan efisiensi deteksi dini kanker melalui pemindaian CT. Berkat penggunaan AI, proses anotasi menjadi jauh lebih cepat dan akurat. Riset ini juga mengajak kolaborasi dari institusi lain untuk memperluas akses dan penggunaan data dalam diagnosis medis di masa depan.
Sumber Asli: www.miragenews.com
