2017/05/04 17:20:42

Искусственный интеллект в радиологии

.

Содержание

Основные статьи:

Искусственный интеллект в диагностике рака

Основная статья: Диагностика рака

Искусственный интеллект активно применяется в исследованиях развития методик диагностики рака.

2017

Искусственный интеллект превзошел рентгенологов в диагностике пневмонии

В ноябре 2017 года исследователи из Стэнфордского университета представили самообучающийся алгоритм (так называемую нейросеть) CheXNet, который способен ставить диагноз пневмонии по рентгенограммам легких. Результаты своей работы ученые опубликовали в открытом доступе. Полученная программа крайне узкоспециализированная, однако справляется со своей работой лучше профессиональных рентгенологов.

Рентгеновский снимок грудной клетки больного пневмонией

CheXNet обучали на общедоступной базе данных, содержащей более 100 000 рентгенограмм грудной клетки, на которых можно различить 14 патологий. После обучения нейросеть проверили: нескольким рентгенологам предложили провести анализ тестовых рентгеновских снимков, а результаты сопоставили с диагнозами машины. Как оказалось, компьютерная система смогла диагностировать пневмонию более точно, чем человек.

Пневмония — опасное и распространенное заболевание, и ее раннее выявление поможет предотвратить множество смертей; только в США от воспаления легких ежегодно погибает около 50 000 человек. Кроме того, пневмония является одной из главных причин детской смертности от инфекционных заболеваний.

Разработчики научили систему помечать разными цветами те отделы легких, где машина «увидела» признаки воспаления легких; чем ярче цвет – тем вероятнее патология. А уже после машинной обработки рентгенограммы просматривает врач, обращая внимание в первую очередь на те области, которые машина пометила как самые «горячие».

Эндрю ЭнДжи (Andrew Ng), соавтор статьи и бывший руководитель группы исследования в области искусственного интеллекта в компании Baidu, полагает, что подобные системы вскоре станут применяться повсеместно. Джеффри Хинтон (Geoffrey Hinton), один из пионеров разработки систем глубинного обучения, считает, что необходимость в обучении новых рентгенологов отпала, а с их функциями вполне может справиться нейросеть. Кроме пневмонии, компьютерные системы также умеют обнаруживать признаки наличия опухолей, нарушения ритма сердца и прочие патологические изменения на рентгеновских снимках, электрокардиограммах и других системах визуализации.[1]

Обзор развития ИИ в радиологии

В начале мая 2017 года издание AuntMinnie.com опубликовало статью, посвященную использованию искусственного интеллекта (ИИ) в радиологии. В публикации содержится вывод о том, что компьютер еще не готов заменить рентгенологов, однако способен радикально повлиять на их деятельность, оптимизировав рабочие процессы, снизив количество обследований и даже оказав помощь в поиске геномных маркеров.

Как сообщил доктор Элиот Сигель (Eliot Siegel) из Университета Мэриленда (University of Maryland), за последние 30 лет опубликованы тысячи работ, посвященных алгоритмам анализа медицинских изображений, однако немногие из них нашли применение в медицинской практике. Те технологии, которые все же были взяты на вооружение, являются скорее эволюционными, а не революционными, отметил он.

Искусственный интеллект способен радикально повлиять на их деятельность, оптимизировав рабочие процессы, снизив количество обследований и даже оказав помощь в поиске геномных маркеров
«
Маммографические системы обнаружения с компьютерной обработкой данных существуют более 20 лет и по сути являются единственными программами машинного обучения, которые сегодня широко применяются в диагностической визуализации. Около 90% маммографов используют его, однако с огромной долей сомнения и скептицизма, а в некоторых случаях и с насмешкой, — сообщил Сигель.
»

Однако, по его словам, использование графических процессоров для машинного обучения привело к значительному увеличению вычислительной мощи. Это облегчило реализацию наиболее требовательных к ресурсам вычислительных методов, таких как глубинное обучение, распознавание изображений и сверточные нейронные сети.

Все это имеет большой потенциал для работы с медицинскими снимками, однако требует тщательной маркировки и составления детальных описаний изображений вручную, а также большого количества исследований по визуализации, добавил эксперт.

Доктор Марк Коли (Marc Kohli) из Калифорнийского университета в Сан-Франциско согласен, что искусственный интеллект все еще далек от клинической практики среднестатистического радиолога, несмотря на многочисленные проекты в Кремниевой долине.

Вместе с тем все больше специалистов по лучевой диагностике получает базовые знания о машинном обучении и применении их на практике. Академики надеются, что растущий интерес к искусственному интеллекту увеличит инвестиции в этой области. При этом специалисты по обработке и анализу данных все чаще вступают во многие академические программы, отмечает Коли.

Доктор Брэдли Эриксон (Bradley Erickson) из клиники Майо в Рочестере (штат Миннесота, США) говорит, что к 2017 году наиболее распространенной областью использования машинного обучения является распознавание речи, однако есть еще много направлений для совершенствования технологии.

По мнению доктора Лучиано Преведелло (Luciano Prevedello) из медицинского центра Университета штата Огайо в Векснере, развитие искусственного интеллекта в радиологии протекает быстро, однако эта сфера все еще находится в зачаточном состоянии.

Преведелло ожидает, что ИИ-решения начнут чаще использоваться к 2019 году для оптимизации рабочих процессов. К примеру, в одной из клиник Огайо уже используются «умные» алгоритмы для поиска снимков компьютерной томографии с критическими показаниями. Использование ИИ для постановки диагнозов по медицинским снимкам будет возможно позднее из-за необходимости проведения многочисленных испытаний перед внедрением, считает доктор.

Доктор Раймонд Гейс (Raymond Geis) из Медицинской школы Университета Колорадо считает, что ИИ полезен для поиска закономерностей в данных и прогнозирования поведения на основе предыдущих моделей, а первые коммерческие ИИ-алгоритмы в радиологии не будут анализировать сами изображения. Скорее, они будут задействованы для составления отчетов на основе выводов врачей.

Коммерческие решения могут использоваться, например, в КТ-сканировании для предупреждения врачей об опасных отклонениях, такик как острое внутричерепное кровоизлияние, предполагает Гейс.

Элиот Сигель видит большие перспективы искусственного интеллекта в специализированных областях: определение переломов тел позвонков, обнаружение и составление характеристик узлов в легких, МРТ и ядерный анализ изображений сердца.

Марк Коли затруднился назвать, какие области будут наиболее важными для клинического использования искусственного интеллекта в радиологии, но выразил мнение о том, что успех проектов будет зависеть от многих факторов, в том числе от правильности интеграции и проверок, а также от решений регуляторов.

Приложения, которым не нужны одобрения регулирующих органов, будут развиваться быстрее, поскольку у властей нет отлаженного механизма, позволяющего разработчикам PACS и других подобных систем предлагать ИИ-софт, созданный сторонними разработчиками, из-за жестких требований к написанию кода, документации и тестированию.

Еще одной проблемой, по мнению Зигеля, являются высокие системные требования к компьютерам, на которых выполняются алгоритмы машинного обучения. Решение этой проблемы могли бы стать облачные сервисы, однако многие радиологи не доверяют им и не активно используют их, отметил он.[2]

Брэдли Эриксон уверен, что искусственный интеллект, в первую очередь, будет полезен для отображения геномных или диагностических свойств, которые радиологи не видят сегодня.

«
Мы и другие публикуем исследования, показывающие, что глубинное обучение может предсказать геномные маркеры с высокой точностью по обычным изображениям КТ и МРТ, даже если люди мало или вообще ничего не знают об этих признаках», — рассказал Эриксон. [3]
»

Испанское ПО с ИИ для распознавания болезни по рентгеновским снимкам

В рамках конгресса Европейского общества радиологов (ECR-2017), который прошел в Вене с 1 по 5 марта, испанский Институт медицинских исследований La Fe (Medical Research Institute La Fe) представил программное обеспечение, использующее искусственный интеллект для первичного обнаружения заболеваний по рентгеновским снимкам. Подробнее здесь.

Смотрите также

Примечания