SENDD - hrvatski AI sustav za dijagnostiku neurorizika kod dojenčadi

Kad se priča o umjetnoj inteligenciji LLM-ovi (Large Language Models poput Chat GPT-a) prva su asocijacija, no jeste li znali da su u Hrvatskoj već razvijene i primjenjuju se neke druge možda i korisnije usluge bazirane na umjetnoj inteligenciji? Među ovim uslugama u posljednje vrijeme pažnju nam je privukao SENDD (System for Early Neurological Deviation Detection), kojeg je razvila TIS Grupa u suradnji s Poliklinikom Sabol i koja je već u komercijalnoj primjeni.

- Došao sam kod Gorana u njegovu ordinaciju na sastanak i rekao 'Gorane, imamo li mi neku ideju kako inovirati postojeći sustav koji smo tada razvijali?' I on je rekao, pa ne baš, nisam bio baš za neke inovacije u tome jer to je više-manje poznan proces. A onda je rekao, pa, zapravo, imam jednu medicinsku metodu koja se već dugi niz godina provodi, ali manualno. Pokušajmo je digitalizirati -  prisjetio se Tomislav Strgar iz tvrtke TIS Grupa.

Kvaliteta vrpoljenja djeteta pokazuje je li neurorizično 

Riječ je o metodi kojom se procjenjuje kvaliteta spontanih pokreta dojenčadi na temelju čega liječnici procjenjuju neurorizičnost djece i potencijalne neurorazvojne ishode. Preporuča se za djecu s nižim Apgar skorom ili suboptimalnim tijekom trudnoće ili poroda.  Liječnici uz pomoć ove metode već tridesetak godina vrlo pouzdano procjenjuju rizičnost dojenčadi, ali nije bila toliko široko primijenjena zbog objektivnih poteškoća. Dr. Goran Krakar iz Poliklinike Sabor objasnio nam je zašto.

- Ključno znanstveno otkriće bilo je da se abnormalno vrpoljenje pokazuje kao stereotipnije, manje varijabilno i drugačijeg izgleda u odnosu na normalne pokrete. Od tog otkrića trebalo je proći desetak godina da djeca porastu i da se utvrdi ima li to prognostički značaj. Uzevši sve zajedno, ova metoda uzimala je jako puno vremena. Naručite se na pregled, pa dođete s djetetom u ustanovu, pa ono mora biti tijekom pregleda budno, aktivno, bez ikakvog vanjskog utjecaja, da ne plače, da nije gladno, lako obučeno na leđima, da nitko ne ometa, da nitko ne animira, da nitko ne gleda – opisao nam je dr. Krakar neke od razloga zašto ova metoda nije dosad mogla biti u širokoj primjeni.

Digitalizacija i AI: novi pristup praćenju vrpoljenja

I ranije je bilo pokušaja digitalizacije ove dijagnostike, uz pomoć 3D kamera, senzora kretanja smještenim na tijelo djeteta, žiroskopa, akcelerometara, tagova za kameru i sličnog. Ali sve je bilo komplicirano i nemoguće jednostavno i brzo primijeniti u praksi.

- Jednostavno, vrijeme nije bilo zrelo za to, a nije ni programski bilo moguće, jer na ovakve metode nije primjenjivo algoritamsko programiranje. Internet je postao brži, mobiteli imaju kamere dovoljne rezolucije i osjetljivosti, a umjetna inteligencija je dovoljno dobra da se može programirati za prepoznavanje pokreta na snimkama – ispričao nam je Strgar.

Trening umjetne inteligencije na videosnimkama djece

Kako nam je objasnio, za sam trening umjetne inteligencije bile su im potrebne snimke djece, što se poklopilo i s idejnim načinom primjene – da sami roditelji snime djecu kod kuće mobitelom i dostave snimku izravno u sustav. Tim TIS Grupe i Poliklinike Sabol identificirao je 15 ključnih točaka na tijelu djeteta, koje se može virtualno označiti na snimci, povezati ih i tako lakše uočiti i klasificirati kvalitetu pokreta. Problem je bio što su AI sustavi za procjenu poze tijela (pose estimation) tad bili razvijeni samo za odrasle, pa su prvu godinu samo sakupljali video snimke, te sami anotirali ključne točke na njima i potom sami razvili vlastiti softverski alat za njihovo označavanje te  kasnije obradu pomoću računalog vida (eng.computer vision). Potom su prikupljali dalje skup podataka – snimki i fotografija, te su kasnije dobili  model gibanja djetetovog tijela. Tek tad su mogli pristupiti razvoju drugog djela  AI sustava – treniranja različitih modela neuronskih mreža i projektiranju machine learning algoritma – kako bi mogao u konačnici dati istu predikciju kao obučen i iskusan liječnik.

- Radili smo to s video snimkama koje smo prikupljali od roditelja. Morate imati nekakav skup video snimaka. Veći skup znači manju vjerojatnost pogreške. Zato smo za vrijeme istraživanja i razvoja animirali roditelje da  prvo snime dijete doma i njemu prirodnom okruženju  i kasnije predaju u SENDD sustav. Doktor Krakar i njegov tim iz Poliklinike Sabol bi besplatno procijenili kvalitetu vrpoljenja i potom kategorizirali snimku koju smo potom koristili za treniranje umjetne inteligencije.. Tako smo razvili i koristili sustave procjene poza tijela, računalnog vida, strojnog učenja i neuronskih mreža i uspostavili ovu zdravstvenu uslugu umjetne inteligencije – rekao je Strgar te je, da ne bude zabune, napomenuo da su sami razvili sve ove sustave.

Točnost procjene ključnih točaka tijela koju umjetna inteligencija napravi je približno 100 posto. Pogreške se mjere tako što se uočavaju netočno anotirane ključne točke na pojedinim frameovima video snimki, a margina pogreške je trenutno manja od 0,1 posto. Dodatna kontrola umjetnoj inteligenciji je liječnička ekspertiza. Poliklinika Sabol trenutno nudi ovu uslugu u dva modela. U Standard modelu usluge AI probere snimke, indicirane šalje liječniku koji ih potom provjerava i potvrđuje, a roditelj na kraju dobije standardizirani obrazac. Ako je utvrđeno da se radi o neurorizičnom dojenčetu, obrazac sadržava i preporuku što je dalje potrebno napraviti. U Premium modelu sve dostavljene snimke pojedinog dojenčeta pregledava AI sustav te još dva liječnika, pa roditelji dobivaju i procjenu oba liječnika i procjenu umjetne inteligencije, a također i jedinstvenu zaključnu procjenu.

Zasad B2C, nakon klasifikacije kod HZZO-a otvara se i B2B

Trenutno, ovaj sustav još nije klasificiran unutar dijagnostičko-terapijskih postupaka pri HZZO-u, zbog čega je tzv. roditeljska aplikacija, a ne medicinska, pa je zasad ograničen na B2C model prodaje Za klasifikaciju SENDD sustava kao medicinskog uređaja bit će potrebno dobiti sve potrebne certifikate, što znači da će trebati ponoviti sve važne korake iz procesa razvoja. Naši sugovornici su počeli s koracima u tom smjeru, jer vjeruju da postoji potencijal za skaliranje usluge njihovog sustava.

- Imamo interes iz inozemnih klinika. U procesu istraživanja i razvoja prikupljali smo snimke djece iz 16 zemalja članica EU. Uopće nije pitanje hoće li ovakva usluga jednog dana biti široko dostupna, pitanje je samo kad i koja će to tvrtka, koja zemlja, koje sveučilište učiniti ovakvu uslugu široko dostupnom u Europi, a možda će ih biti i nekoliko kao što to obično bude. Uopće ne dvojim da će procjena kvalitete vrpoljenja dojenčadi jednog dana biti potpuno normalan standard, kao što je danas pregled kukova djeteta. Sve što će biti potrebno jest snimiti vrpoljenje djeteta i isporučiti ga izravno u sustav, kao što smo to mi omogućili sustavom SENDD – kazao nam je dr. Krakar.

Već se planira kako unaprijediti SENDD AI

Ova dvojica suradnika već imaju kako unaprijediti svoj sustav. Primjerice, da uoči plače li dijete, je li ispravno odjeveno za lakše označavanje ključnih točki, je li na leđima, jesu li mu nogice izvan kadra, ometa li ga neka igračka. I za to bi također mogli istrenirati AI. Iskustva imaju, jer su već u razvoju današnje aplikacije trenirali 25 različitih modela neuronskih mreža i algoritama strojnog učenja od kojih su 4 najbolja integrirali u finalni sustav. Još samo da se izbore s hrvatskom administracijom.