Statistika rodo, kad kas ketvirtas šuo ir kas penkta katė kažkuriuo savo gyvenimo laikotarpiu suserga onkologine liga, o viena dažniausiai diagnozuojamų – odos vėžys. KTU doktorantė, siekianti pritaikyti mašininį mokymąsi, diagnozuojant augintiniams onkologinį odos susirgimą, tiki, kad dirbtinis intelektas tampa vis aktualesnis daugelyje sričių, ne išimtis – veterinarija.
 Greta Rupšytė |
|---|
Statistika rodo, kad kas ketvirtas šuo ir kas penkta katė kažkuriuo savo gyvenimo laikotarpiu suserga onkologine liga, o viena dažniausiai diagnozuojamų – odos vėžys. KTU doktorantė, siekianti pritaikyti mašininį mokymąsi, diagnozuojant augintiniams onkologinį odos susirgimą, tiki, kad dirbtinis intelektas (DI) tampa vis aktualesnis daugelyje sričių, ne išimtis – veterinarija.
Kauno technologijos universiteto (KTU) prof. K. Baršausko ultragarso instituto Matavimų inžinerijos doktorantė Greta Rupšytė teigia, kad gydant žmones DI įrankiai populiaresni nei veterinarijoje, todėl nustatant onkologinius odos susirgimus augintiniams, šiuo metu naudojami diagnostiniai metodai nėra pakankamai tikslūs.
„Įvairūs susirgimai naminiams gyvūnams neretai diagnozuojami klaidingai, parenkamas netikslus ligos tipas ar stadija. Galiausiai tai nulemia netinkamą gydymą, o mes netenkame savo mylimų augintinių. Viliuosi, kad mano vykdomas tyrimas prisidės tiek prie geresnio augintinių išgyvenamumo, tiek prie žmonių laimės“, – pasakoja G. Rupšytė.
Iššūkiai gyvūnų gydyme
Šiandien retas kuris įsivaizduoja savo gyvenimą be augintinių. Vien 2023 metais Lietuvoje gyventojai augino daugiau nei 381 tūkst. kačių ir šunų. Deja, rimti susirgimai neaplenkia ir naminių augintinių, o aplankiusi liga neretai tampa skaudžiai išgyvenamu įvykiu ir galvos skausmu šeimininkams.
„Pastebima, kad vidutinio ir vyresnio amžiaus šunims dažniausiai diagnozuojami odos navikai. Gaila, bet net 20-30 proc. odos navikų yra piktybiniai. Nors šunims nustatoma daugiau vėžinių susirgimų, katėms nustatomas didesnis odos navikų piktybiškumas, siekiantis net 78 proc. Apskritai, onkologinės ligos sudaro apie 15-30 proc. šunų ir 26 proc. kačių mirčių“, – skaičius vardija KTU doktorantė.
Vienas iš iššūkių, su kuriuo susiduria mokslininkai veterinarijoje, kurdami metodus onkologiniams odos susirgimams – mažesnis klinikinių duomenų kiekis.
G. Rupšytė pastebi, kad daugybė klinikinių tyrimų atliekama su žmonėmis, o veterinarijos srityje trūksta standartizuotų didelių duomenų bazių, reikalingų mašininio mokymosi algoritmams kurti ir pritaikyti.
„Taip pat veterinarinė medicina apima daugybę gyvūnų rūšių, tai reiškia, kad diagnozuojant ligas reikia atsižvelgti į skirtingų rūšių fiziologinius skirtumus. Pavyzdžiui, šunų ir kačių ligos gali reikšmingai skirtis. O ką jau kalbėti apie mažesnius augintinius, tokius kaip triušiai ar žiurkėnai, kurių tiek ligos, tiek fiziologinė struktūra kardinaliai skiriasi“, – apie iššūkius kalba KTU doktorantė.
Be to, gyvūnai negali tiesiogiai pranešti apie simptomus, todėl diagnostika dažniausiai priklauso nuo veterinaro patirties, stebėjimų ir įvairių testų rezultatų. Pasak G. Rupšytės, žmonių medicina lyginant su veterinarija yra lengvesnė, nes pacientas gali aiškiai įvardyti simptomus ir suteikti daugiau informacijos gydytojui.
„Panašios tendencijos pastebimos ir su mašininiu mokymusi, nes randama daugiau duomenų apie žmonių ligas, kurios padeda sukurti naujus diagnostinius metodus. Tuo tarpu kalbant apie veterinariją, neretai tuos duomenis reikia patiems sukaupti ir tik tada kalbėti apie naujus diagnostinius metodus“, – sako G. Rupšytė.
Naujas metodas – pagalba diagnozuojant
Šiuo metu G. Rupšytė tyrinėja mašininio mokymosi algoritmų pritaikymą optinei ir ultragarsinei vaizdų analizei, naudojamai kačių ir šunų odos vėžio diagnostikai. Būtent šie naminiai gyvūnai pasirinkti, nes jie dažniausi mūsų augintiniai ir veterinarijos klinikų pacientai. KTU doktorantė neatmeta galimybės, kad ateityje sukurti diagnostikos metodai galės būti taikomi ir kitiems augintiniams.
„Mano tyrinėjama sritis aktuali, nes savo darbe nenaudoju jau sukurtų duomenų bazių, o pati kuriu naujas. Šiose duomenų bazėse kaupiami vaizdai. Apmokyti DI klasifikatoriai sugebės analizuoti vaizdus, palyginti gautus parametrus iš vaizdų tarp skirtingų vėžio tipų ir padėti nustatyti diagnozę. Kitaip tariant, mano kuriamas įrankis bus kaip „išmanus sufleris“ nustatant diagnozę augintiniui, nes padės greičiau, efektyviau ir svarbiausia tiksliau nustatyti diagnozę“, – pastebi G. Rupšytė.
Iki doktorantūros studijų KTU doktorantei mašininis mokymasis nebuvo labai gerai pažįstamas.
Ji žinojo pagrindines DI programas, bet labai norėjo išmokti juo naudotis, todėl studijas mergina priėmė kaip iššūkį sau pačiai.
„Jis padėjo man susipažinti su nauja mokslo šaka ir įgyti naujų įgūdžių. Dar magistrantūros metais susidūriau su ultragarsu ir gavus pasiūlymą iš savo dabartinio mokslo vadovo atlikti tyrimą šioje srityje, iškart sutikau. Didžiausią susidomėjimą sukėlė vėžio diagnostika, nes visada domėjausi onkologiniais susirgimais“, – pasakoja G. Rupšytė.
Šiuo metu KTU doktorantė tobulina metodiką, kad diagnostika būtų atliekama kuo anksčiau ir tiksliau. Be to, daug dėmesio skiria konferencijoms ir mokslinėms stažuotėms – rugsėjį dalyvavo simpoziume Rygoje. Artimiausiuose planuose – tarptautinė konferencija Dubajuje.
„Doktorantūros studijos ir akademinis gyvenimas nėra vien tik tyrimai, mokslas ar sėdėjimas laboratorijose. Visi šie dalykai taip pat suteikia galimybę keliauti, dalyvauti konferencijose, važiuoti į stažuotes“, – pažymi G. Rupšytė.
Ji įsitikinusi, kad akademinis gyvenimas skatina kūrybiškumą, nuolatinį tobulėjimą, o tai yra neįkainojama: „Galiausiai galima pasukti dėstymo keliu ir dirbti su studentais, dalyvauti įvairiuose mokymuose, ieškoti mentorių ar būti juo pačiu.“
