К сожалению, нередко случается, что врач, при определении диагноза, ошибается. Такое происходит практически во всех областях медицины и по итогу приводит к неприятным последствиям. Пациенту эта ошибка может стоит жизни.
Этим вопросом озадачились ребята из Политехнического университета Петра Великого и их коллега из Манитобского университета (Канада). Молодые специалисты в области нейросетей решили сделать прорыв в области урологии и создать помощника доктора – «сервис второго мнения». Ребята разработали модель сверточной нейронной сети, за советом к которой может обратиться врач при постановке диагноза.
Нейросеть способна определить наличие и тип патологии в почках пациента, будь это киста, камень или опухоль. По факту, она берет те же самые снимки компьютерной томографии, что смотрит доктор, и делает свое заключение. Врач сам решает, считаться ему с мнением помощника или нет. Сверив две версии, свою и нейросети, доктор ставит окончательный диагноз.
«При компьютерной томографии используются рентгеновские лучи, послойно сканируется орган и на выходе получаются высококачественные снимки ткани. Врач при их изучении, даже несмотря на внушительный опыт, может упустить что-то важное, ведь в день через него проходят десятки таких снимков», – поделился Федор Кабаченко, один из авторов разработки.
Команда разработчиков изучила анатомические особенности почек, проанализировав большой объем данных. Информацию молодые ученые брали из пула компьютерных томограмм больниц Бангладеша – они есть в открытом доступе. Это почти 12,5 тысячи изображений, включая снимки с наличием кисты, камней, опухоли и здоровыми почками.
«Любое изображение разделяем на области и кодируем разными значениями. Сверху накладываем фильтр и как бы отключаем ненужные значения, оставляя только нужные. Областей становится меньше и с помощью этого гигантские изображения мы можем уменьшать в несколько раз, и поэтому в минуту мы можем обработать таких изображений намного больше и обучить нейронную сеть с помощью такого способа можно за 2-3 дня. Если бы мы не применяли свертку, то на обучение нейронной сети ушло бы 2-3 года», – объяснила аналитик и специалист в сфере нейронных сетей Алёна Самарина.
Разработчики говорят: по статистике в России правильный диагноз болезни почек ставится в 86% случаев. Благодаря «сервису второго мнения», вероятность правильного диагноза вырастет до 94%. Ребята объясняют: алгоритм можно обучить и тем самым повысить эффективность сервиса.
В будущем, по словам разработчиков, нейросети смогут внести неоценимый вклад в медицину:
- смогут сократить время диагностики и поспособствуют эффективному использованию ресурсов клиник;
- автоматизируют рутинные процессы, увеличат пропускную способность пациентов;
- снизят износ дорогостоящего оборудования, что положительно скажется на экономической эффективности;
- сделают процедуру более безопасной для человека – такие исследования могут проводиться с меньшими дозами облучения и контрастного вещества;
- смогут диагностировать незаметную патологию или патологию на ранней стадии, которую даже опытный врач может не заметить.
Технически, по словам разработчиков, внедрить новую модель в аппараты КТ не так сложно – нужно иметь необходимые мощности на компьютерах и установить алгоритмы в существующее программное обеспечение, либо встраивать их в оборудование на стадии производства.
«Думаю, в общей медицине нейросети начнут применять примерно через пять лет. На сегодняшний день в России пока отсутствует соответствующий закон, который мог бы регулировать искусственный интеллект. Также необходим регламентированный стандарт для внедрения таких алгоритмов в медицинские устройства», – подчеркнул Федор Кабаченко.
В составе команды разработчиков входят студент магистратуры Института биомедицинских систем и биотехнологий СПбПУ, инженер по машинному обучению Федор Кабаченко; выпускница Политеха, аналитик и специалист в сфере нейронных сетей Алена Самарина; студент Манитобского университета (Канада), разработчик и Big Data инженер Ярослав Михайлик.
В будущем ребята планируют продолжить обучать нейросеть. Задача команды – увеличить количество диагностируемых заболеваний. Также молодые ученые хотят дополнить существующую модель алгоритмом сегментации, чтобы по точным координатам определять участок патологии.