Вылечит компьютер: как врачи ставят диагностику опасных заболеваний на поток

Вместе с коллегами из РИА Новости мы собрали для вас самый полный дайджест успехов российских ученых в этом перспективном направлении.

ИИ нас всех вылечит

Еще в середине XX века была сформулирована идея искусственного интеллекта. Тем не менее, настоящий прорыв произошел только тогда, когда появились со современные вычислительные мощности.

В настоящее время ИИ легко обыгрывает человека в шахматы, контролирует полет беспилотников, распознает голоса и лица, а также делает лучше фотографии и занимается решением огромного количества задач.

В медицине у ИИ тоже масштабные перспективы, чему только способствуют новое оборудование диагностики. А значит, и великие массивы самых разнообразных данных.

Весь объем визуального контента, как и нагрузка на врачей-диагностов, увеличивается в геометрической прогрессии. С 1980-х ученые занялись созданием автоматизированных обрабатывающих комплексов радиологических снимков.

Но клинические исследования продемонстрировали – такие программы рентгенологам не помогают, в худшем – только усложняют им задачу в связи с повышенным процентом ложноположительных диагнозов.

Недавно наметился определенный прогресс – в связи с увеличением мощности графических процессоров и серверов.

Новое железо дает импульс последовательному усложнению и развитию нейросетей глубокого обучения.

Так, в 2012-м возник термин «радиомика» – то есть, наука по обращению с огромными визуальными данными в медицине. Обычный ИИ изучает изображения, базируясь на уже известных признаках.

Метод же углубленного машинного обучения состоит в том, что нейросеть самостоятельно находит определенные признаки из массива информации и выдает новое решение задачи.

Рентгенологи ликуют

Сама идея анализа рентгеновских снимков начала воплощаться в реальность Николаем Староверовым с коллегами еще в начале 2017 года –  на старших курсах ЛЭТИ в Санкт-Петербурге. Тогда его группа вознамерилась обучить ИИ выявлению патологии легких.

Под эту задачу Староверов получил грант РФФИ. На эти средства он и приобрел компьютерное оборудование. В большинстве своем программные же инструменты оказались в публичном доступе – для создания новых нейросетей.

Оттуда ученые брали готовые решения, дорабатывали и встраивали в свою архитектуру – она в большей степени и послужила ноу-хау.

Использовали и обычные медицинские данные, но сначала информации все равно не хватало.

Проект Староверова после нескольких докладов заметили в московской компании «Мед-рей», создающей системы автоматизации хранения и последующей обработки медицинских снимков. Предприниматели начали инвестировать в исследование молодых ученых для того, чтобы в будущем получить отечественный модуль, который можно будет встроить в их систему.

Они дали 1,6 тысячи рентгеновских снимков легких, до этого размеченных врачами. На них и стали учить нейросети обнаруживать патологии – начиная от пневмонии, заканчивая переломами ребер.

– Несмотря на то, что само обучение достаточно длительное, год назад у нас получилось достичь отличных результатов, – рассказал ассистент кафедры электронных приборов и устройств СПбГЭТУ Николай Староверов «ЛЭТИ»

В итоге программа верно диагностировала норму в 97% случаев. С патологиями оказалось несколько хуже — точность доходила только до 75%, при эмфиземы легких — до 90%.

– Мы поняли, что надо улучшать методы предварительной обработки изображений, – пояснил Староверов. – Приходилось очищать снимки от посторонних шумов – часто туда попадали многочисленные провода, которыми был опутан пациент в реанимации.

Такая же сложность была и с верификацией начальных данных – ведь иногда и сам врач может поставить неверный диагноз.

Чисто технически все выглядит вполне просто – диагност просто открывает экранный снимок, включал опцию ИИ, а при обнаружении какой-то патологии начинал смотреть более пристально.

– У рентгенолога за день было больше полусотни пациентов, а это неизбежно приводило к тому, что он терял концентрацию, – рассказал Староверов. – Программа же делала лишь начальную диагностику, просто взяв на себя часть стандартного труда.

С началом пандемии мир буквально утонул в многочисленных снимках легких. Многие начали заниматься их анализом, появилась конкуренция:

– Мы определяем сразу несколько разных патологий, и в этом наше преимущество, – пояснил Староверов. – Наш следующий шаг – начать определять злокачественные опухоли.

Уже к этому лету разработчики хотят достичь определенной точности в анализе снимков. Только после этого и можно будет приступать к тому, чтобы создать коммерческий продукт. Но это уже вопрос инвестиций, а исследователи будут заниматься прочими задачами.

Карта мозга

В Сколтехе анализируют изображения и сигналы головного мозга, которые получают самыми разными методами – той же электроэнцефалографией, магнитно-резонансной томографией, функциональной магнитно-резонансной  томографией, фМРТ, функциональной ближней инфракрасной спектроскопией  (fNIRS) и ай-трекингом.

 Данные для этого сначала необходимо почистить от шумов и наведенных внешне полей, после чего подготовить к последующему анализу глубокими нейросетями. Все это программы, с помощью которых самостоятельно определяют набор признаков в массиве, после чего передают их дальше для анализа.

– Классификации – весьма классическая задача, когда нужно отличить патологию от нормы, – рассказал кандидат физико-математических наук биофизик, старший научный сотрудник Центра исследований искусственного интеллекта Максим Шараев. – Есть и количественный подход – когда необходимо спрогнозировать, что у пациента будет с речью – через год, например. Нейросети способны картировать самые разные функциональные мозговые отделы, как и делать описания снимков.

Ученые взаимодействуют с Центром нейрохирургии имени академика Н. Н. Бурденко, где работают над автоматизирующей системой одной из важнейших подготовительных этапов во время операциях на мозге.

– Интерес первым проявил заведующий отделением глиальных опухолей.Давид Пицхелаури, – пояснил Шараев. – Он ученый с мировым именем, умеет ставить задачи, а также идентифицировать их востребованность в медицине.

Речь – о картировании коры мозга по данным фМРТ. Оно должно помочь хирургу как можно точнее определить, какую именно зону черепа вскрывать. Непосредственно во время операции он будет видеть, какие именно отделы нельзя трогать для того, чтобы не задеть жизненно важные функции. В настоящее время это определяют только опытным путем. Электродом врач касается мозга, после чего обнаруживает моторную область, которая отвечает за движения, или речевую.

Операции, как правило, длятся много часов. Почти целый день. Предоперационная карта мозга способна уменьшить время.

– Сопоставлять на мониторе два изображения хирург может уже сейчас, – пояснил биофизик. – То есть, соединять исходное и картированное. Вообще, в идеале мы хотим создать нейронавигацию – для того, чтобы видеть проекцию отделов на мозге непосредственно во время операции.

Патологии – большие и малые

Ученые используют тот же подход для решения еще одной задачи – выявления малых патологий, которые провоцируют эпилепсию. Речь идет о конкретных участках серого вещества размером в миллиметр – с нарушенной организацией нейронов. У детей из-за них могут развиваться эпилептические припадки. Подобную форму болезни называют фокальной.

Если этот центр эпилепсии удалить, болезнь, как правило, проходит: ребенок тут же догоняет сверстников в развитии, и перестает вообще нуждаться в лекарствах. Такие операции успешны в 90%.

Специалистов по диагностике фокальной эпилепсии не хватает, да и сам такой анализ занимает достаточно много времени – на множестве изображений врач должен заметить небольшую область со смазанными границами. Иногда для анализа нужен целый консилиум.

В мире существует несколько автоматических методов решения похожих задач.

Два из них сертифицированы американским FDA. Но возможности их ограничены. Существует и ряд недостатков.

Именно поэтому ученые из Сколтеха начали создавать собственную модель. Экспертизу и данные им предоставили из Научного центра акушерства, гинекологии и перинатологии имени академика В. И. Кулакова.

– Качественный набор данных мы собрали где-то за 2 года – это снимки более 200 пациентов, чьи диагнозы подтвердились, – пояснил Максим Шараев. – Рентгенологи разметили каждое изображение. Мы научили программу чертить вокруг определенных областей мозга для выявления патологий. Врач анализирует их ставит диагноз самостоятельно.

Для этого специалисты используют сверхточные нейросети (3D CNN) – для того, чтобы работать с объемными изображениями. Чисто технически, это массив двумерных снимков головы. Иной подход, который позаимствован у беспилотных автомобилей – это облака точек. То есть, когда область показана не плотным, а разреженным набором значений. Это экономит оперативную память, как и вычислительные ресурсы самой видеокарты, на которой учится нейросеть.

– Существует масса открытых библиотек, откуда мы и берем заготовки, агрегируем архитектуру нейросети, после чего и обучаем ее. Чем сложнее, тем больше времени нужно. Огромное число параметров – в каждом блоке моделей, – пояснил ученый. – Подаем изображения на входе, на выходе же получаем предсказания. Нужно, чтобы они были самыми точными. Для этого нужно показать предполагаемую область поиска. С такой подсказкой главное для врача не пропустить патологию.

Специалисты из Сколтеха в тандеме с коллегами по гранту Фонда Сколково создали платформу с комфортным интерфейсом, позволяющем хранить все необходимые данные, их размечать, демонстрировать карту вероятности присутствия патологии. Врач при этом может перемещать ее для того, чтобы рассмотреть аномалии.

В настоящее время уже готов прототип системы. Из него после доработки вырастет стартап. Авторы займутся регистрацией патента, в реальных условиях протестируют изобретение, после чего выйдут на рынки.

Но забота о человеческом здоровье – далеко не единственные опции ИИ. Ранее LIVE24 сообщало о том, что искусственный интеллект поможет во время выборов избиркомам.