ИИ, разработанный учеными из Марий Эл, определяет Covid-19 с точностью 98%

Исследователи разных специальностей неуклонно строят доказательную базу для использования ИИ в респираторной медицине. Ученые из МарГу запустили проект, позволяющий находить аномалии в рентгеновских снимках при помощи искусственного интеллекта.

В настоящее время именно в работе с рентгеновскими снимками произошли самые большие успехи в машинном обучении для здравоохранения, поэтому проект был реализован оперативно и уже сегодня разработчики добились результатов, при которых алгоритм определяет коронавирусную пневмонию с точностью 98%.

Такие исследования включают метод глубокого обучения, применяемый к КТ. Оцифрованные рентгеновские снимки легких пациентов анализируются нейронными сетями, после чего составляются заключения, с информацией о наличии или отсутствии характерных для коронавирусной пневмонии изменений.

Хотя возможности ИИ распространяются повсюду, визуализация является логическим инструментом для диагностики легочных заболеваний, особенно учитывая его повсеместное распространение и важность в здравоохранении. Компьютеры могут видеть глубже и точнее, чем видит человеческий глаз, и различать крошечные изменения в исследуемых изображениях, помогая в диагностике, обнаруживая предварительные признаки болезни и предсказывая, как болезнь будет развиваться. Это свойство машинного зрения позволяет безошибочно рассчитывать вероятность диагноза «COVID-19».

Специалистами уже собрана огромная библиотека датасетов, в которых представлены рентгеновские снимки легких здоровых людей и пациентов с различными патологиями. Ученые-практики из Марийского госуниверситета проводили свои исследования как на открытых базах датасетов (Kaggle и др.), так и на полномасштабной базе реальных снимков медицинских учреждений.

Искусственный интеллект превосходит пульмонологов в интерпретации тестов легочной функции. Врачи очень хорошо умеют принимать сложные решения, когда данных не так много - мы можем интуитивно и рассуждать, но есть множество несложных решений, которые пульмонологи вынуждены принимать каждый день. Если всю эту рутинную работу передать ИИ и оставить очень сложные вещи для специалистов, мы окажемся в положении, в котором мы будем наилучшим образом использовать перспективные технологии и наилучшим образом использовать время врачей.

Методы машинного обучения хорошо приспособлены для интерпретации сложных данных, касающихся простых клинических вопросов, например, таких как вероятность того, что узелок может стать злокачественным или нет. В ситуациях, когда вопросы менее ясны, диагноз будет по-прежнему зависеть от врачей, по крайней мере, в обозримом будущем.

- В условиях пандемии крайне необходимо стабилизировать работу ЛПУ. Разработки учёных нашего университета в области искусственного интеллекта помогают снижать нагрузку на врачей. Как известно, поражение лёгких является одним из самых распространённых вариантов течения COVID-19, поэтому именно своевременная диагностика и последующее лечение способны предотвратить тяжёлые последствия заболевания, - рассказывает декан медицинского факультета Виктор Сергеевич Никитин.

Применение искусственного интеллекта в диагностике обструктивных заболеваний легких является многообещающим направлением. Алгоритмы искусственного интеллекта работают путем поиска закономерностей в данных, полученных из диагностических тестов, которые можно использовать для прогнозирования клинических исходов или выявления обструктивных фенотипов. Уже есть много разработок, в которых машинное обучение было успешно использовано в автоматической интерпретации тестов функции легких для дифференциальной диагностики заболеваний легких. 

Модели глубокого обучения, такие как сверточная нейронная сеть, безошибочно и корректно распознают любые патологические отклонения при использовании компьютерной томографии. Машинное обучение успешно применяется в других диагностических подходах, таких как спирометрия, анализ дыхания, анализ звука в легких и телемедицина и целом применение искусственного интеллекта дало обнадеживающие результаты в диагностике патологических синдромах заболевания лёгких, плевры и средостения.

 Тем не менее, необходимы широкомасштабные исследования для подтверждения текущих результатов и ускорения их принятия медицинским сообществом.

Сотрудники медицинского факультета МарГУ продолжают работу над проектом, обучая нейронные сети определять вирусную и бактериологическую пневмонии. В перспективе на факультете решено открыть научно-исследовательскую лабораторию в области цифровой медицины.

Подготовила Надежда Данилова