Система, идентифицирующая мутации рака по снимку

Американские ученые из Нью-Йоркского университета разработали решение на базе открытого алгоритма глубокого обучения компании Google Inception v.3, которое не только способно распознавать рак легких по медицинским сканам, но и может различать между собой два наиболее часто встречающихся типа этого рака с точностью в 97%.

Информация об этой системе была опубликована в журнале Nature Medicine.

Этот алгоритм искусственного интеллекта, который сама Google использует для идентификации лиц, животных, объектов на снимках в своих сервисах, уже с успехом применялся для диагностики, в частности, диабетической ретинопатии и сердечно-сосудистых заболеваний. Но университетские разработчики создали нейронную сеть, которая способна на то, что не могут делать патологи - идентифицировать генетические мутации внутри каждой опухоли просто по снимку.

Для того, чтобы обучить алгоритм отличать раковые ткани от здоровых, ученые использовали сотни тысяч изображений из публичной библиотеки образцов тканей The Cancer Genome Atlas (TCGA).

После того, как алгоритм научился определять раковые клетки с точностью в 99%, следующим шагом стало обучение его различать два вида рака - аденокарциному от плоскоклеточного рака легких. Обе эти разновидности рака легких чаще всего встречаются и ежегодно убивают более 150 тысяч людей. И хотя под микроскопом эти два вида рака кажутся удручающе похожими, лечить их необходимо по-разному. И точность диагностики в этом случае может означать для пациента жизнь или смерть.

Когда ученые начали тестировать алгоритм на образцах, взятых у онкологических пациентов из больницы Нью-Йоркского университета, точность определения несколько снизилась, но все равно осталась в диапазоне от 83% до 97%. Исследователи объясняют это тем, что больничные снимки несут в себе больше "помех" - воспаления, мертвые ткани и белые кровяные клетки, а также часто обрабатываются не так, как образцы из TCGA. Но это вопрос времени, когда алгоритм справится и с этим.

Когда разработчики тестировали систему на новых изображениях, она показала свою способность не только идентифицировать раковые ткани, но и отображать генетические мутации на одном образце ткани. Нейронная сеть научилась замечать исключительно малозаметные изменения в опухоли, которые профессиональный патолог не может увидеть.

Интересно, что, как говорят ученые, при этом непонятно, что собой представляют эти едва различимые изменения. И "вытащить" информацию из алгоритма не получается. Это возвращает нас к обсуждаемой сегодня проблеме "черного ящика" в глубоком обучении, особенно если это касается медицины. Критики утверждают, что алгоритмы необходимо сначала сделать более "прозрачными", прежде чем начать их широко использовать. Но другие ученые, такие как, например, Оливер Элементо, директор Института точной медицины имени Кейрил и Израэля Энгландер, говорят, что

Глупо не использовать клинический тест, который дает точный ответ в 99% случаев, даже если мы не знаем, как он работает.

В ближайшие месяцы исследователи планируют продолжить "обучение" своего алгоритма, используя дополнительные данные из самых разнообразных источников. Кроме того, они планируют начать подготовку к процессу получения официального разрешения на использование своей системы от регуляторов отрасли.