Naukowcy stworzyli nowy model sztucznej inteligencji PRISM-CTG, który zdolny jest do automatycznej analizy kardiotokografii - to badanie, które monitoruje tętno płodu i skurcze macicy podczas ciąży. Najistotniejsza cecha tego rozwiązania to fakt, że uczy się ono bez potrzeby ręcznego oznaczania tysięcy dokumentacji medycznej przez ekspertów, co tradycyjnie pochłania ogromnie dużo czasu i zasobów. Zamiast tego model opiera się na technice self-supervised learning, czyli samouczu z wykorzystaniem danych wielowymiarowych - innym słowy, analizuje dane z różnych perspektyw jednocześnie, wyłapując naturalne wzorce i cechy bez zewnętrznego nadzoru.
Kardiotokografia to jedno z najważniejszych narzędzi diagnostycznych w położnictwie, pozwalające na wczesne wykrycie zagrożeń dla płodu i uniknięcie poważnych powikłań. Jednak interpretacja zapisów CTG wymaga doświadczonego lekarza, a w krajach o ograniczonych zasobach medycznych dostęp do specjalistów jest duży problem. PRISM-CTG ma potencjał rozwiązać tę przeszkodę - model może działać jako system wsparcia diagnostycznego, pomagając lekarzom w szybkiej i wiarygodnej ocenie stanu płodu, a w przyszłości potencjalnie udostępniając diagnostykę nawet w najmniej wyposażonych ośrodkach zdrowia.
Przyjście foundation modeli do medycyny to trend, który obserwujemy coraz częściej, ale jego zastosowanie w specjalistycznych obszarach jak położnictwo pozostaje niedostatecznie zbadane. PRISM-CTG stanowi krok naprzód w praktycznym wdrażaniu AI w opiece zdrowotnej - nie tylko dlatego, że działa efektywnie, ale przede wszystkim dlatego, że nie wymaga kosztownego i czasochłonnego procesu zbierania anotacji. To oznacza, że podobne podejście może być szybko adaptowane i rozwijane dla innych typów badań medycznych, przyspieszając cyfrową transformację diagnostyki na całym świecie.