Lymph Node Assistant (LYNA)

Продукт
Разработчики: Google
Дата премьеры системы: октябрь 2018 г
Отрасли: Фармацевтика, медицина, здравоохранение

2018: Анонс и начало внедрения

12 октября 2018 года компания Google представила перспективное ИИ-решение для выявления рака молочной железы при оценке биопсии лимфатических узлов. Его уже начали использовать в Военно-морском медицинском центре Сан-Диего, исследователи которого также принимали участие в разработке технологии.

Точность обнаружения раковых метастазов системой под названием Lymph Node Assistant (LYNA) достигла 99%, что превосходит показатели специалистов-гистологов, которые в условиях ограниченного времени выявляют опухоль на окрашенном срезе только в 62% случаев. LYNA все еще неспособна различать степень развития метастаза и вид рака, что крайне важно для подбора лечения, однако ее способностей достаточно, чтобы принести огромную пользу специалистам.

Нейросеть Google научилась диагностировать рак лучше, чем врачи

LYNA основана на стэнфордской модели глубокого обучения Inception-v3 для распознавания изображений с открытым исходным кодом. Специалисты Google провели обучение нейросети по двум выборкам окрашенных срезов биопсии лимфоузлов - 399 изображений предоставил Медицинский центр университета Радбуд (Нидерланды), а еще 108 уникальных изображений – Медицинский центр Утрехтского университета (Утрехт, Нидерланды). Для непосредственного обучения нейросети использовались 270 из этих срезов (160 обычных, 110 с опухолями), остальные применялись для оценки.

В тестах LYNA достигла точности обнаружения опухолей 99,3%, точно идентифицировав все 40 метастазов без ложноотрицательных результатов. При этом на оценку LYNA не влияли такие артефакты, как пузырьки воздуха, плохая окраска и кровоизлияния.

Система LYNA не идеальна — иногда она ошибочно принимала за опухоль гигантские клетки и лимфоциты, которые проникли в ткань из артериального русла, гистиоциты, - однако ИИ система сумела оценить одни и те же слайды лучше, чем практикующие гистологи, причем намного быстрее.

В будущем исследователи надеются улучшить специфичность данного диагностического метода.[1]

Примечания