Cистема искусственного интеллекта позволит точнее диагностировать почечные заболевания

Ученые представили модель сверточной нейронной сети — цепи глубоких нейронных сетей, часто применяемый в анализе визуальных образов — которая поможет врачам определить патологию в почках пациента. Алгоритм сканирует изображения компьютерной томографии (КТ), позволяя доктору увидеть особенности, которые тот мог не заметить при первичном обследовании. Над моделью нейросети работали сотрудники подведомственного Минобрнауки России Санкт-Петербургского политехнического университета Петра Великого (СПбПУ). Результаты опубликованы в трудах International Conference on Neuroinformatics.

«При компьютерной томографии используются рентгеновские лучи, послойно сканируется орган и на выходе получаются высококачественные снимки ткани. Врач при их изучении, даже несмотря на внушительный опыт, может упустить что-то важное, ведь в день через него проходят десятки таких снимков. Мы создали «сервис второго мнения» — получаемые изображения с КТ сканирует наша модель нейросети и дает свое заключение, подсказывает доктору, где и что он мог не увидеть, на что обратить внимание. Окончательное решение, конечно, принимает врач, но уже с учетом мнения нейросети», — поделился студент магистратуры Института биологических систем и биотехнологий СПбПУ, инженер по машинному обучению Федор Кабаченко.

Для создания нейросети петербургские ученые проанализировали 12,5 тысяч изображений кисты, камней, опухоли и здоровых почек. Это помогло сконструировать модель, оптимизировать и обучить ее. Сейчас она способна определить здоров ли пациент, а также обнаружить в его почках кисты, мочекаменную болезнь и опухолевые образования.

«Любое изображение разделяем на области и кодируем разными значениями. Сверху накладываем фильтр и как бы отключаем ненужные значения, оставляя только нужные. Областей становится меньше, и с помощью этого гигантские изображения мы можем уменьшать в несколько раз, и поэтому в минуту мы можем обработать таких изображений намного больше и обучить нейронную сеть с помощью такого способа можно за 2-3 дня. Если бы мы не применяли свертку, то на обучение нейронной сети ушло бы 2-3 года», — объяснила выпускница СПбПУ, аналитик и специалист в сфере нейронных сетей Алена Самарина.

По статистике, в России правильный диагноз болезни почек ставится только в 86% случаев. По мнению разработчиков, новая модель повысит вероятность постановки правильного диагноза до 94%. Для этого ученым потребуется обновить и тщательнее изучить существующий набор данных, так как он напрямую влияет на качество работы модели.

«Мы провели анализ, в какой области медицины чаще всего совершаются ошибки, где больше всего проблем с установкой диагноза, где не хватает специалистов. В конечном счете мы пришли к урологии. Также мы выяснили, что больше всего в нововведениях со стороны IT нуждаются рентген, МРТ и КТ почек. Мы понимали, что неверно поставленный диагноз — реальная угроза для жизни человека», — отметила Алена Самарина.

В будущем исследователи планируют подключить дополнительные мощности и продолжить обучение нейросети, чтобы увеличить количество диагностируемых заболеваний, а также дополнить ее алгоритмом сегментации (контурирования), чтобы определять участок патологии по более точным координатам.