Виртуальный радиолог «побил» реальных врачей
Алгоритм только проходит стадию машинного обучения, но уже продемонстрировал свою эффективность, обойдя двух их четырех опытных радиологов в точности выявления кровоизлияний в мозг по снимкам компьютерной томографии. О своеобразном соревновании искусственного интеллекта и человеческого опыта сообщили в докладе ученые из Университета штата Калифорния в Сан-Франциско, США.
Разработанная калифорнийцами программа может сделать лечение пациентов с травмами головного мозга, инсультами и аневризмами более своевременным и эффективным. ИИ технология сумеет намного быстрее и тщательнее анализировать тысячи снимков в день для выявления существенных патологий и сообщать о них радиологам – для оперативного углубленного обследования пациентов. «Наш алгоритм может использоваться радиологическими центрами для более быстрой интерпретации снимков с меньшим количеством ошибок, так же, как и отделениями нейрохирургии, неврологии и неотложной медицины для ускорения первичной интерпретации изображений и выделения границ патологий прямо на снимках», – сказала д-р Эстер Ю, возглавлявшая исследование.
Сегодня радиологу приходится просматривать огромное количество снимков в видео режиме 3D стек изображений практически вручную – с помощью компьютерной мышки, стараясь не пропустить даже самую незначительную патологию, могущую сигнализировать об опасном заболевании. Некоторые участки имеют размер всего 100 пикселей, а в 3D стеке изображений таких подозрительных «пятнышек» бывает больше миллиона. Даже опытный врач рискует их не заметить, что чревато серьезными последствиями для пациента.
В отличие от человека, ИИ обнаруживает кровоизлияние за одну секунду, очерчивает контуры патологии и показывает ее положение в трехмерной структуре мозга. В ходе соревнования алгоритм обнаружил мелкие патологии, пропущенные медицинскими специалистами, и классифицировал их по подтипам.
Мозгом этого алгоритма является полностью сверточная нейронная сеть, обученная на 4396 КТ снимках. Обучение было очень тщательным, каждая мелкая патология очерчивалась вручную на пиксельном уровне. Отдельное вниманием было уделено тому, чтобы модель не воспринимала случайные отклонения или «шум» как что-то важное. Работа была крайне кропотливой: ученые вводили в систему только по одному участку изображения за раз, увязывая его с соответствующим местом на предыдущей и последующее «картинке» в стеке. Такой подход позволил создать чрезвычайно точный алгоритм, ведь компьютерный мозг обучали только на существенных данных, не перегружая модель и не давая ей принимать решения на основании незначительных отклонений. Модель получила название PatchFCN.
Получивший алгоритм очень экономит время врача и предоставляет ему информацию, необходимую для выбора оптимального лечения с допустимым уровнем ложно-положительных результатов. «Мы хотели сделать что-то практичное, а чтобы эта технология была клинически полезной, ее точность должна быть близка к идеальной, – сказала Ю. – Ведь людям от машины нужен уровень безошибочности, который будет, как минимум, не ниже человеческого».
Авторы намерены в будущем применить алгоритм для анализа КТ снимков, поступающих из травматологических центров по всей стране.
Результаты исследований были опубликованы в Proceedings of the National Academy of Sciences (PNAS).
Оригинал новости можно прочитать здесь
