На данный момент искусственный интеллект является единственной технологией, которая смогла адаптироваться к широкому спектру медицинских задач. За последние несколько лет мы стали свидетелями того, как искусственный интеллект научился выявлять признаки сердечно-сосудистых заболеваний на сетчатке, помогать рентгенологам проверять рентгеновские снимки и предсказывать вероятность развития у людей различных типов рака. В основе этих потенциально жизненно важных систем лежит сегментация - процесс, в ходе которого медицинские изображения разделяются на отдельные области и тщательно изучаются на предмет наличия "красных флажков". Даже несмотря на стремительное развитие искусственного интеллекта в последнее время, все выше упомянутые системы иногда не достигают того уровня, который может продемонстрировать квалифицированный медицинский работник в особо сложных случаях.
Разработанная в Массачусетском технологическом институте система Tyche призвана заменить некоторых медицинских работников. Названная в честь греческой богини, эта система искусственного интеллекта учитывает все допустимые погрешности, соотносит аномальные наблюдения между сегментациями и не требует традиционной перенастройки. В совокупности эти качества могут улучшить результаты лечения пациентов не усложняя при этом рабочие процессы медицинских специалистов.
В статье, опубликованной на сайте предварительных публикаций arXiv, ученые-компьютерщики и аналитики по биоизображениям из Массачусетского технологического института, Массачусетской больницы общего профиля и Широкого института Массачусетского технологического института и Гарварда пишут, что большинство моделей сегментации на основе искусственного интеллекта выдают лишь один "детерминированный" результат для заданных исходных данных. Такой метод не оставляет места для нюансов и не позволяет модели учитывать ранее обнаруженные аномалии при анализе новых данных. Такая модель может выдать один-единственный ответ на МРТ или КТ, но группа из пяти обученных медицинских специалистов, называемых аннотаторами, может предложить пять различных ответов, каждый из которых достоин внимания.
Первые дни использования компьютерной томографии (КТ), когда компьютеры были громоздкими и бежевого цвета. Фото: Национальный Институт Рака/Unsplash.
ИИ-модель Tyche решит эту проблему с помощью того, что в Массачусетском технологическом институте называют "набором контекстов". Вместо того чтобы каждый раз перенастраивать Tyche при ее использовании (что большинство медицинских работников сочтет затратным по времени и к чему, вероятно, они не готовы), пользователь предоставляет системе набор из 16 изображений, который позволяет Tyche “понять”, что бывают различные объяснения для одного МРТ или КТ-снимка. Затем система проходит через все уровни сегментации, выдавая несколько ответов для каждого уровня. Анализируя изображение, Tyche ищет точки совпадения среди своих ответов, что позволяет ей сосредоточиться на все более уверенном ответе к концу процесса.
Эта способность Tyche «разговаривать» с самой собой позволяет ей позволяет ей предоставлять анализ, схожий с человеческим. «Это похоже на бросок игральных костей», — сказала в пресс-релизе Марианна Ракич, кандидат компьютерных наук Массачусетского технологического института. «Если ваша модель может выбросить двойку, тройку или четверку, но не знает, что у вас уже есть двойка и четверка, тогда любой из них может появиться снова».
Сообщается, что Tyche работает быстрее, чем традиционные модели сегментации, и учитывает всевозможные погрешности, которые ранее учитывали люди-аннотаторы. Хотя медицинские работники (будем надеяться) всегда будут участвовать в процессе аннотирования медицинских изображений, такие системы, как Tyche, могут сделать этот процесс более эффективным и помочь обнаружить то, что может быть пропущено по различным причинам.