В Медицинском центре Бет Израел в Бостоне разработали микроскоп со встроенным искусственным интеллектом для распознавания и идентификации бактерий в крови. Устройство справляется с задачей в общей сложности на 93 и 95 процентов соответственно. Подробности опубликованы в Journal of Clinical Microbiology.
В медицинской практике бывают случаи, когда необходимо в кратчайшие сроки установить возбудителя, который вызвал заболевание. Так как ценное время может быть потрачено из-за нехватки специалистов в стационаре, учёные решили создать в помощь искусственный интеллект. Исследователи соединили способность электронного микроскопа делать фотографии образцов с высоким разрешением и умение распознавать образы сверточной нейронной сети. После тренировки такая нейросеть смогла узнавать окрашенных в крови бактерий по их форме и расположению.
В ряд первых «испытуемых» авторы взяли: удлиненной формы кишечную палочку, круглого, собирающегося «гроздьями» стафилококка и стрептококка, который тоже имеет шаровидную форму, но предпочитает расти парой или цепочками. Для обучения нейросети учёные составили из 25 000 изображений образцов крови из практики клиницистов около 100 000 фотографий. В итоге, искусственный интеллект справился в распознавании видов микроорганизмов в 95% случаев. Далее исследователи поручили нейросети идентифицировать почти 190 фото бактерий без какого-либо вмешательства человека. Разработка провела анализ и выдала правильный результат в 93%.
Ведущий автор статьи Джеймс Кирби, руководитель Лаборатории клинической микробиологии и профессор Гарвардской медицинской школы, говорит, что система похожа на ребёнка и нуждается в тренировке. По его словам, обучение требует большого количества практики. Система делает много ошибок, но учится на них.
Созданный учёными искусственный интеллект поможет увеличить шансы множества людей с заражением крови на спасение. Риск летального исхода у таких пациентов велик – около 40%. С помощью новой нейросети, считают авторы, можно производить не только саму идентификацию микробов в медицинских центрах, но и обучать анализу ординаторов и студентов.
Текст: Екатерина Заикина
Automated Interpretation of Blood Culture Gram Stains using a Deep Convolutional Neural Network
Kenneth P. Smith, Anthony D. Kang, James E. Kirby
Journal of Clinical Microbiology
29 November 2017, doi:10.1128/JCM.01521-17
Читайте материалы нашего сайта в Facebook, ВКонтакте и канале в Telegram, а также следите за новыми картинками дня в Instagram.
