Inteligența artificială începe să fie analizată tot mai atent în domeniul medical, în special în zona imagisticii, unde algoritmii pot sprijini procesele de evaluare și triere a datelor. În România, un dezvoltator IT cu peste 20 de ani de experiență, Crăciun Florentin Simion, a realizat un proiect personal care urmărește să observe cum poate fi folosită o rețea neuronală pentru detectarea tumorilor cerebrale în imagini RMN.
Proiectul a fost inițiat într-o perioadă în care autorul a lucrat de acasă, având ocazia să experimenteze cu o tehnologie pe care o consideră relevantă pentru viitorul domeniului medical. Nu există o componentă comercială atașată, iar obiectivul declarat nu a fost realizarea unui instrument clinic, ci evaluarea posibilităților tehnice ale unui sistem de clasificare automată aplicat în imagistică.
Date publice și proces de antrenare
Pentru antrenarea modelului au fost folosite date publice, frecvent utilizate în contexte academice și în proiecte de cercetare. Setul cuprindea imagini RMN ale creierului, împărțite în patru categorii: gliom, meningiom, tumoră pituitară și imagini fără tumori. Clasificarea inițială a fost realizată manual, etapă necesară pentru a furniza algoritmului exemple corect etichetate.
Ulterior, modelul a fost antrenat folosind TensorFlow și Python, cu pașii obișnuiți în astfel de proiecte: preprocesarea imaginilor, împărțirea datelor în seturi de antrenare și testare, monitorizarea performanței și ajustarea parametrilor. Procesul a fost derulat exclusiv din perspectivă tehnică, fără implicarea unor specialiști medicali în această etapă.
Rezultate și interpretare
După finalizarea testelor, modelul a obținut o acuratețe estimată de aproximativ 93–94%. Unele rapoarte interne generate automat au indicat valori mai ridicate, aproape de 97%, însă autorul apreciază că procentul realist este cel conservator, în condițiile lipsei unei verificări clinice și a unui volum diversificat de date.
În stadiul actual, sistemul poate sugera probabilistic categoria unei imagini RMN noi, însă rezultatele rămân în cadrul unui experiment tehnic, fără aplicabilitate imediată în practica medicală. Performanțele sunt similare altor proiecte independente din domeniu, ceea ce confirmă că tehnologia are potențial, dar necesită validare strictă în medii specializate.
Limitări și direcții posibile
Lipsa datelor variate și a unei verificări medicale reprezintă principalele limite ale proiectului. În plus, orice model antrenat pe un singur set de date riscă să fie suprantrenat, adică să recunoască foarte bine exemplele cunoscute, fără a generaliza eficient în situații noi.
În viitor, dezvoltarea proiectului ar putea presupune acces la baze de date extinse, validări realizate alături de specialiști medicali și eventual testarea unor arhitecturi de rețele neuronale mai avansate. În prezent însă, demersul rămâne unul explorator și tehnic.
Concluzie
Proiectul ilustrează interesul tot mai mare față de utilizarea AI în domeniul sănătății și arată că, și în afara mediilor universitare sau industriale, există inițiative individuale care testează aplicabilitatea tehnologiilor moderne în probleme reale. Chiar dacă nu produce o soluție clinică, studiul oferă o imagine asupra modului în care tehnologia se apropie, pas cu pas, de zone care până recent erau accesibile doar specialiștilor medicali.
