5 лучших систем искусственного интеллекта для обработки медицинской изображений
Медицинская визуализация включает в себя любую технологию или метод, позволяющий визуально отобразить внутренние "тайны" нашего тела. Среди наиболее известных методов - рентгенография, ЭКГ, магнитно-резонансная томография, компьютерная томография и УЗИ. И что вам приходит на ум, когда вы слышите эти названия? Вероятно, большие неуютные помещения в больнице с громоздкой и с виду сложной техникой. Увы, пока это так. Везде. И именно поэтому сейчас во всех странах ощущается проблемы с доступом к таким исследованиям, поскольку такое оборудование дорогое, не везде имеющееся и для его обслуживания требуется специальное обучение. И, более того, расшифровка изображений, полученных с помощью этой техники очень сложна и доступна лишь ограниченному количеству специалистов, что еще более затрудняет доступ к таким услугам.
Вот почему сразу несколько молодых компаний решили использовать искусственный интеллект для того, чтобы изменить эту ситуацию. Мы хотим познакомить вас с некоторыми из таких инноваторов.
Эта компания была образована в 2011 году с целью создания нового портативного медицинского визуализирующего устройства, которое может сделать проведение МРТ и УЗИ существенно более дешевым и более эффективным. Сущность их разработки заключается в том, то они взяли все компоненты ультразвуковой системы и объединили их в едином, миниатюрном электронном чипе. При этом они подключили к устройству программную систему на базе алгоритмов глубокого обучения, которые помогут овладеть этой технологией врачам почти без опыта.
Результата в виде завершенного устройства пока нет, хотя три года назад руководители компании и обещали показать его через 18 месяцев. Но поскольку работа не прекращена и инвестиции в компанию продолжаются, то можно надеяться, что это произойдет уже скоро.
Эта калифорнийская компания ставит своей целью помочь исследователям и лабораториям с их системами машинного видения и роботизированными микроскопами получить более качественные изображения тканей. По словам руководителей компании, решение 3Scan позволяет избавить исследователей, работающих в сфере разработки лекарств, от рутинной работы при анализе тканей. И эта система настолько эффективна, что способна выполнять работу по анализу образцов тканей, на которую обычно у патологов, использующих традиционные методы, уходит около года, в течение одного дня.
Эта компания использует методы и технологии глубокого обучения, в частности, технологии распознавания образов, чтобы собирать полезную информацию из рентгеновских снимков и использовать ее принятия клинических решений. Глубокое обучение означает процесс, с помощью которого компьютер принимает данные и затем, основываясь на широких знаниях, полученных за счет анализа других данных, интерпретирует эту информацию.
Технология этой молодой компании может интерпретировать медицинские изображения за миллисекунды, т.е. в 10 тыс. раз быстрее, чем средний радиолог. Кроме того, в июне 2016 года в тестах, в которых система Enlitic соревновалась с тремя радиологами, работающими совместно, обнаружилось, что она на 50% лучше классифицирует злокачественные опухоли и не разу не пропустила наличие рака, в то время как у людей показатель неправильных отрицательных выводов составил 7%.
Компания Arteris работает на стыке технологий анализа медицинских изображений, искусственного интеллекта и облачных систем. В своей работе она сотрудничает с GE Healthcare с целью реформирования методов магнитно-резонансной томографии в сфере сердечно-сосудистых заболеваний, разрабатывая проект, получивший название ViosWorks. C помощью разработанного ими нового метода процесс сканирования занимает 6 - 10 минут вместо часа, причем пациент во время процедуры не должен задерживать дыхание, что облегчает для него этот процесс. Из записанной информации платформа Arteris формирует 7 наборов данных, включая трехмерную анатомию сердца, оценку скорости кровотока и его направленности.
Эта компания, которая начала работать только в прошлом году, использует алгоритмы глубокого обучения для того, чтобы помочь врачам в развивающихся странах интерпретировать изображения УЗИ и тем самым лучше лечить болезни сердца. В сентябре прошедшего года Bay Labs с несколькими партнерскими организациями испытывали свою технологию в Африке, чтобы помочь идентифицировать симптомы ревмокардита у школьников Кении. Программное обеспечение Bay Labs использовалось для анализа данных, полученных после ультразвукового исследования, чтобы помочь врачам принять хорошо обоснованное предположение, что то, что они видят на снимке, связано с ревмокардитом.
В течение этого проекта врачи провели сканирование 1200 детей в течение четырех дней и смогли обнаружить у 48 из них ревмокардит или врожденный порок сердца. Более того, согласно данным сотрудников Bay Labs, их алгоритм способен в течение нескольких минут проводит диагностику такого уровня, для которого специалист по УЗИ должен несколько лет обучаться.
По материалам Medical Futurism
