Старшеклассники в «Сириусе» учат нейросеть находить патологии в легких

«Большие вызовы-2020» — так амбициозно называется один из проектов, прошедших во второй половине декабря в образовательном центре «Сириус». В ходе этой научно-технологической проектной программы старшеклассники обучали искусственный интеллект. Ребята должны были научить машину следующим премудростям:

1. Писать новости.
2. Разрабатывать новые лекарственные препараты.
3. Анализировать снимки КТ.
4. Изучать профили абитуриентов в соцсетях.

Школьникам помогали эксперты из Университета Иннополис, Яндекса, Высшей школы менеджмента СпбГУ, Банка ВТБ, компании BIOCAD. Планируется, что лучшие предложения будут реализованы на практике.

Андреем Райгородским, руководителем направления «Большие данные», директором Физтех-школы прикладной математики и информатики МФТИ, уточняется, что сессия длилась 10 дней. За это время ребята научились работать с различными инструментами цифровых технологий и теперь смогут использовать свои навыки в дальнейшем у себя дома.

В рамках проекта предусмотрено отдельное направление «Большие данные, искусственный интеллект, финансовые технологии и машинное обучение». Для работы в нем были приглашены 28 одиннадцатиклассников из 18 регионов России. Эти ребята стали финалистами Всероссийского конкурса проектных и исследовательских работ.

Для участников данного направления Яндекс сформировал особый заказ: разработать программу для генерации новостей, чтобы ее могли использовать в ежедневной работе современные редакции. Банк ВТБ и СПбГУ также дали задание школьникам «Сириуса». Ребята должны проанализировать социальные сети и на основе полученной информации составить портрет абитуриента бизнес-школы. 

Ученые озадачили школьников сложным пожеланием: ребята должны обучить искусственный интеллект точно предсказывать С помощью компьютерного моделирования структуры молекулярного комплекса при создании новых лекарств. Машина должна будет находить наиболее правдоподобные сочетания и те, которые действительно существуют в природе. Новый метод должен предсказывать, насколько эффективно будет работать создаваемый препарат. Предложения у старшеклассников предполагается использовать в алгоритме HEDGE компании BIOCAD.

Цифровые технологии на основе искусственного интеллекта стали активно применяться в медицинской отрасли во многих странах мира. Этому способствовала начавшаяся пандемия коронавируса. Телемедицинские технологии показали преимущество автоматизации многих процессов, помогли разгрузить клиники и врачей от многократно возросших нагрузок, сумели предоставить качественную дистанционную медицинскую помощь пациентам.

В рамках научно-технологического проекта Сириуса «Большие вызовы-2020» школьники-участники программы получили сложное задание от врачей-рентгенологов России. Медики просят научить искусственный интеллект анализировать медицинские изображения с помощью компьютерного зрения и быстро и точно находить патологии в легких. Помощь и подсказки нейросети облегчают работу рентгенологов, сокращают время на обработку снимков.

Для такой разнообразной и сложной проблемы, как получение медицинских изображений, глубокое обучение требует больших наборов данных для достижения необходимого уровня точности. Рекомендации искусственного интеллекта, как правило, очень точные. Результаты работы будут загружены в open-source библиотеку, доступ к которой будет открыт для специалистов из всех стран. Решения школьников можно будет протестировать и применить на практике, если качество разработки устроит пользователя. Партнерскую помощь школьникам оказывает Центр искусственного интеллекта Университета Иннополис.

В команде проекта работают шесть 11-классников из Ханты-Мансийского автономного округа, Севастополя, Хабаровского края, Республики Башкортостан, Тюменской и Кемеровской и областей. Им помогают эксперты из Центра ИИ Иннополиса.

Семен Киселев, научный сотрудник Центра искусственного интеллекта Университета Иннополис, руководящий проектом, сообщил, что разработчики знакомят детей с методами машинного обучения и компьютерного зрения. Популяризация математики, программирования и методов машинного обучения позволит изменить отношение к открывающимся возможностям многих, кто нуждается в таком изменении. Проект поощрит школьников стать более активными в изучении перспектив цифровой трансформации общества, убеждая их, что это может привести их к более интересной и интеллектуально полноценной жизни. Опыт работы с нейронными сетями ведет к выбору будущей профессии, позволяет прикоснуться к деятельности в атмосфере свободы, развивает уверенность в себе и предоставит детям и подросткам компетенции, которые им понадобятся в будущем.

Ребятам показывают, где и в каких сферах они могут применить полученные знания. Участники создают такие модели и алгоритмы для анализа снимков легких, при которых нейросеть самообучается распознавать пневмонию и другие респираторные заболевания, пневмоторакс или опухоли. Модели глубокого обучения могут делать прогнозы с почти безошибочной точностью, однако, поскольку внутреннюю логику модели трудно раскрыть и интерпретировать, аргументы в пользу того, почему это решение является правильным, часто остаются неуловимыми.

Поскольку медицинские решения могут иметь невероятный вес, многие критически относятся к перспективе полной автоматизации. Очень важно помнить, что машина не заменяет врача, а становится его помощником и советчиком, по сути это просто третий глаз для врача. ИИ необходим для оптимизации рутинных задач, с его повсеместным внедрение глубоко изменятся специальности с сильным визуальным компонентом, такие как радиология и патология. Практикующие врачи, в том числе хирурги, сегодня активно заинтересованы в разработке и внедрении таких устройств. ИИ необходим для оптимизации рутинных задач, с его повсеместным внедрением глубоко изменятся специальности с сильным визуальным компонентом, такие как радиология и патология. Практикующие врачи, в том числе хирурги, сегодня активно заинтересованы в разработке и внедрении таких устройств.

Разрабатываемые алгоритмы школьники тестируют на большом количестве реальных медицинских снимков из реальных больниц.

Молодые программисты должны научить искусственный интеллект вычислять точные размеры и месторасположение патологических процессов в легких, указывать врачу на аномалии органа. Материалы для исследования участники проекта находят в открытых источниках, базах данных научных статей отечественных и зарубежных медуниверситетов. Свои алгоритмы они проверяют на сотнях подлинных медицинских снимков из реальных ЛПУ, потому что доступ к актуальным и достаточным данным имеет первостепенное значение при обучении алгоритмов ИИ. 

Данила Печенев, одиннадцатиклассник из Кемерово, говорит, что выбрал данное задание, потому что уже работал с машинным зрением. Его проект нейросети, которая распознает почерки, стал финалистом конкурса «Большие вызовы». А работа над новым заданием позволит научиться передовым методам машинного обучения. Анализ медицинских изображений сегодня является актуальной задачей применения нейронных сетей. Технология доступна, в большинстве случаев демонстрируя высокую точность на наборах для проверки.

Для финалистов проекта открываются хорошие возможности для дальнейшего развития и самореализации. Многие участники предыдущих «Большой вызов» поступили в крупнейшие вузы страны и активно работают со специалистами лабораторий МФТИ. Выпускники вузов ведут проекты на протяжении всего времени обучения и информируют о достижениях и разработках в мировой научной прессе. Многие идеи участников «Больших вызовов» уже используются на практике компаниями-партнерами.