A.I.B.M. – interpretējamā mākslīgā intelekta sistēma kaulu metastāžu identificēšanai datortomogrāfijā un MR attēldiagnostikā

Šajā pētījumā tiks izmantoti 3D konvolūcijas neironu tīkli radioloģisko attēlu datu analīzei, koncentrējoties uz smalkām anatomiskām struktūrām metastāžu identificēšanai kaulos.  

Projekta ietvaros tiks izstrādāts neironu tīkls ar modulāru arhitektūru, kurā iekļauti konvolūcijas slāņi un difūzijas metode, lai uzlabotu metastātisku bojājumu noteikšanu un izvērtēšanu. Šo bojājumu atklāšana ir komplicēta to lieluma un mainīguma dēļ. Tīkls tiks apmācīts, validēts un testēts ar anotētu radioloģisko datu kopu no Latvijas, lai optimizētu modeļa veiktspēju lokālai populācijai un veicinātu plašāku DL pielietojumu medicīnas diagnostikā. 

Projekts ir sadalīts trīs posmos:

1. Sākotnējais uzdevums ir uzlabot medicīnisko izpratni par kaulu metastāžu noteikšanu, vienlaikus izpētot visefektīvākās dziļās konvolūcijas neironu tīklu (DCNN) struktūras un algoritmus. 
2. Otrais uzdevums koncentrējas uz datu kopas segmentēšanu, vienlaikus veicot pētījumus un eksperimentus, izmantojot izveidotas dziļās konvolūcijas neironu tīklu (DCNN) un vizuālā transformatora dziļo neironu tīklu (DNN) arhitektūras un algoritmus. Izmantojot dziļo neironu tīklu apmācību, tiks izstrādāts sākotnējais modelis, kas var segmentēt iegurņa kaulus un mugurkaula skriemeļus.
3. Dziļā neironu tīkla modeļa validācija ikdienas klīniskajā praksē, salīdzinot ar pieredzējuša radiologa novērtējumu.

Plānotie rezultāti

• Oriģināli zinātniskie raksti, kas publicēti, iesniegti vai pieņemti publicēšanai Web of Science vai SCOPUS datubāzēs iekļautajos Q1 vai Q2 kvartiles izdevumos - 1;
• Oriģināli zinātniskie raksti, kas publicēti, iesniegti vai pieņemti publicēšanai citos Web of Science vai SCOPUS datubāzēs iekļautajos izdevumos, sociālo, humanitāro un mākslas zinātņu nozarēs arī ERIH PLUS datu bāzē iekļautos izdevumos - 2;
• Zinātniskās datu bāzes un datu kopas, kas izstrādātas projekta ietvaros un sagatavotas atbilstoši FAIR principiem - 1;
• Cits jauns produkts vai tehnoloģija, programmatūras autortiesības (t.sk. metodes, prototipi, nekomercializējamas ārstniecības un diagnostikas metodes) - 1;
• Citi pētniecības specifikai atbilstoši sasniedzamie projekta rezultāti, kas papildina iepriekšminētos (tai skaitā preprinti) (piemēram, mācību materiāli, metodiski ieteikumi un materiāli, nerecenzētas publikācijas (preprinti), organizētas zinātniskās konferences un citi);
• Prezentācija vai postera prezentācija ECR 2025, RSNA 2025;
• Prezentācija vai postera prezentācija ECR 2026, RSBA 2026, BCR 2026.

Projekta pētnieku komanda

• Maija Radziņa, projekta vadītāja
• Viktorija Cīrule 
• Matīss Šņukuts 
• Laura Saule 
• Madara Ratniece 
• Roberts Šamanskis 

Projekta sadarbības partneris

Elektronikas un datorzinātņu institūts

Projekta aktivitātes

• Dalība ERASMUS+ Staff Week pasākumā, Rīga, Latvija, ar lekciju From Data to Decisions: Implementing Artificial Intelligence in Clinical Practice. Projekta vadītāja Maija Radziņa prezentēja projekta pieeju mākslīgā intelekta ieviešanai klīniskajā praksē starptautiskai akadēmiskajai auditorijai. (02.06.2026.)
  Pasākuma programma
• Mutiska prezentācija Eiropas Radiologu kongresā 2026 un elektroniska stenda referāta publikācija EPOS™ datubāzē Can a Limited Patient Sample Still Be Suitable in AI Training for Segmentation of Bone Metastasis on Computed Tomography (CT) Imaging?, demonstrējot projekta sākotnējos rezultātus kaulu metastāžu segmentācijā ar mākslīgā intelekta metodēm. (04.–08.03.2026.)
  Stenda referāts elektroniski
• Dalība starptautiskā zinātniskā konferencē Innovation and Artificial Intelligence: The Path from Research to Practice RSU Zinātnes nedēļa 2025 ietvaros. Konferences tēma Bridging the Gap: From AI Research to Real-World Impact. Edgars Edelmers prezentēja tēmu Interpretable AI in Oncologic Imaging: The A.I.B.M. System for the Identification of Bone Metastases in Computed Tomography and Magnetic Resonance Imaging, Roberts Šamanskis prezentēja AI Algorithms and Capabilities for Brain Perfusion, savukārt Maija Radziņa uzstājās ar prezentāciju Modern Radiology in Tandem with AI – A New Path to Precision Medicine. (27.03.2025.)
  Konferences programma
• RSU Zinātnieku brokastis 04.06.2026.
  Maija Radziņa iepazīstināja ar A.I.B.M. projekta attīstības virzieniem izskaidrojamā mākslīgā intelekta risinājumiem lai identificētu kaulu metastāzes attēldiagnostikā CT un MR. Izstrādādā moduļa sistēma izmanto dziļās mācīšanās algoritmus un anitē radioloģiskos datus lai uzlabotu diagnostisko precizitāti un ticamību.
  RSU Zinātnieku brokastīs prezentē aktuālos projektus MI un digitālajā medicīnā
• Dalība 11. Baltijas Neirologu kongresā BALCONE 2025. Projekta vadītāja profesore Maija Radziņa ar lekciju Neuroradiology and artificial intelligence – opportunities in Latvia today and tomorrow dalījās ar projektā uzkrāto pieredzi mākslīgā intelekta izmantošanā medicīnisko attēlu analīzē, popularizējot projekta rezultātus starptautiskā profesionālā auditorijā (08.11.2025.)
  Konferences programma

Par projektu medijos

• Tā nav fantazēšana – reāli pētījumi, kas pavisam drīz būtiski var uzlabot smagu slimību ārstēšanu, Delfi.lv  (09.07.2026.)
• Kas jauns modernajā radioloģijā? Maija Radziņa par MI izmantošanu radioloģijā, TV24 raidījums Dr. Apinis (08.09.2025.)

Publikācijas

• Kaspars Sudars, Edgars Edelmers, Artūrs Ņikuļins, Viktorija Cīrule, Matīss Šņukuts, Madara Ratniece, Roberts Šamanskis, Klinta Luīze Sprūdža, Maija Radziņa Comparison of Foundation Models MedSAM and DINOv3 with nnU-Net Framework for Bone Metastasis Segmentation in Computed Tomography Scans izdevumā Journal, AI 2026, 7(6), 181 (04.06.2026.)

Žurnāls AI publicē aktuālus, nozīmīgus un inovatīvus pētījumus mākslīgā intelekta jomā, kā arī analītiskus un skaidrojošus materiālus, kas palīdz lasītājiem izprast sarežģītas zinātniskās inovācijas un to praktisko pielietojumu.

Saistītie studiju un promocijas darbi

• Madaras Ratnieces un Matīsa Šņukuta rezidentūras pētnieciskais darbs Segmentation of Skeletal Metastases in CT and the Role in AI Model Development, aizstāvēts 14.08.2025.

Radioloģijas rezidenti Madara Ratniece un Matīss Šņukuts prezentēja pētījuma rezultātus par skeleta metastāžu segmentāciju datortomogrāfijas attēlos un tās nozīmi mākslīgā intelekta modeļu izstrādē.  

• Edgara Edelmera promocijas darbs Automated Morphological Structure Detection, Segmentation, and 3D Model Reconstruction from Medical Images Using Artificial Intelligence Deep Neural Network Technologies, aizstāvēts 29.12.2025.

Promocijas darbs veltīts mākslīgā intelekta metožu izmantošanai medicīnisko attēlu analīzē un ir cieši saistīts ar projekta zinātnisko tematiku.