8 примеров практического применения машинного обучения в радиологии
Искусственный интеллект (artificial intelligence, AI) и машинное обучение часто смешивают друг с другом, но эти термины не совсем взаимозаменяемы. Машинное обучение — это область науки о данных, характерной чертой которой является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. При этом алгоритм не программируется по определенным правилам. AI - это более объемный термин, используемый для описания компьютеров, выполняющих "умные" функции, такие как решение задач, планирование, распознавание голоса и языка и, в том числе, обучение. Т.е. машинное обучение — это один из типов AI.
Сегодня в радиологи машинное обучение (МО) используется для различных целей, и главные из них, как следует из данных исследования, опубликованного в журнале Radiology, следующие:
- Определение порядка обследования и скрининг пациентов.
Технология МО позволяет уменьшить количество людей, не прошедших скрининг. Такие решения позволяют идентифицировать пациентов, которые вероятнее всего пропустят назначенное время и не будут использовать радиологическое лечение. Такая технология позволит повысить охват скрининга.
- Получение изображений
Машинное обучение может сделать системы визуализации более "умными". Методы МО могут помочь снизить время, необходимое для получения изображений, а также снизить число ненужных снимков, улучшить позиционирование и повысить характеризацию найденных объектов.
- Автоматическая обнаружение результатов
В частности, машинное обучение может удалять случайные результаты, а также помогает обнаруживать критически важные данные. Причем делает это с высокой точностью и существенно быстрее специалистов.
- Автоматическая интерпретация находок
Интерпретация обнаруженных объектов и данных в радиологии требует очень высокой квалификации, опыта и умения принимать решения для каждого отдельного случая. Технология на базе МО может использоваться радиологами для улучшения качества такой интерпретации.
- Постпроцессинг: сегментация изображений, регистрация и количественная оценка
- Качественный анализ изображений
Качество изображений очень много значит в радиологии, и машинное обучение может улучшить рабочие процесс в этой сфере. Радиологам требуется очень много времени для оценки качества большого количества изображений. Сегодня уже разработаны алгоритмы, которые могут подменять специалистов при оценке качества.
- Автоматическая оценка дозы излучения
Алгоритмы МО могут помочь радиологам и другим специалистам оценить дозу перед собственно процедурой. Использование такой технологии позволяет снизить дозу, получаемую пациентом, что является одной из целей современной радиологии.
- Отчетность и аналитика
Использование алгоритмов машинного обучения для обработки естественного языка предоставляет возможность извлекать данные из надиктованных отчетов радиологов и даже отслеживать рекомендации, сделанные радиологами для врачей в своих аудио-отчетах.
