МОСКВА, 2 марта. /ТАСС/. Европейские медики выяснили, что существующие системы искусственного интеллекта в принципе не способны выявлять биологические взаимосвязи, связывающие появление опухолей с различными мутациями в геноме. Это ставит под сомнение возможность их корректного использования для поиска подобных закономерностей, сообщила пресс-служба британского Уорикского университета.
"Данные системы работают подобно тому, если мы начнем судить о качестве кухни в ресторанах по тому, насколько длинной является очередь на вход. Это полезная закономерность, однако она не отражает напрямую то, что происходит на кухне такого заведения. Многие ИИ-модели также опираются на корреляции между разными биомаркерами или особенностями в структуре тканей, а не выделяют связанные с этими маркерами сигналы", - заявил доцент Уорикского университета (Великобритания) Фаяз Минас, чьи слова приводит пресс-служба вуза.
Как отмечают специалисты, в последние несколько лет специалисты в области ИИ активно пытаются приспособить нейросети для диагностики и изучения опухолей. Подобные научные поиски, как надеются многие исследователи, приведут к созданию систем, которые будут способны выявлять биомаркеры и оценивать уровень активности онкогенов по фотографиям тонких срезов новообразований, что значительно упростит подбор лечения.
Европейские медики провели первую всестороннюю проверку работы двух популярных алгоритмов такого рода, опираясь на набор из нескольких тысяч снимков, полученных при изучении свыше 8 тыс. новообразований, извлеченных из тела носителей рака груди, прямой и толстой кишки, легких и половых органов. Используя эти нейросети, ученые попытались понять, смогут ли они определить по снимку новообразования присутствие в ДНК его клеток нескольких взаимоисключающих или связанных друг с другом мутаций.
Этот анализ показал, что во многих случаях и та, и другая система ИИ не была способна выявлять реальные биологические связи между мутациями и переменами в структуре и жизнедеятельности опухоли. Вместо этого они определяли присутствие той или иной мутации по тому, как часто они встречались вместе с другими типами биомаркеров. Соответственно, если убрать подобные "подсказки" из данных, то точность прогнозов ИИ существенным образом падает, в результате чего они начинают уступать классическим подходам из патологической анатомии.
"Наше исследование не ставит крест на использовании ИИ в патологическом анализе, оно является сигналом к действию. Существующие модели хорошо работают в контролируемых условиях, но в своей работе они опираются на "шпаргалки", а не на реальное понимание биологических процессов. Пока у нас не появятся новые стандарты для оценки их работы, эти инструменты не стоит рассматривать как замену для молекулярного анализа", - подытожил Минас.