Система оценки состояния шейных артерий

Продукт
Название базовой системы (платформы): Искусственный интеллект (ИИ, Artificial intelligence, AI)
Разработчики: Health Samurai (Хэлс Самураи)
Дата премьеры системы: 2018/03
Отрасли: Фармацевтика, медицина, здравоохранение,  Больницы,  Госпитали

Система оценки состояния шейных артерий разработана на базе алгоритмов машинного обучения и позволяет проводить автоматический поиск холестериновых бляшек в артериях в области шейного отдела по результатам ультразвукового сканирования.

2018: Разработка

Компания WaveAccess в марте 2018 года сообщила о разработке своим независимым подразделением Health Samurai модуля на базе алгоритмов машинного обучения для автоматического поиска холестериновых бляшек в шейных артериях по результатам ультразвукового сканирования.

Решение для оценки состояния шейных артерий включает портативный сканер и сервис по подробной расшифровке результатов сканирования опытными техниками. Нейросеть помогает определять области нахождения артерий и распознавать холестериновые бляшки.

После обучения система научилась отличать обычный «шум» на видеозаписи от аномалии и находить нужные кадры с высоким процентом точности. Модуль делит запись на отдельные кадры и предлагает технику 5 самых качественных снимков с наиболее удачной областью для измерения диаметра стенки артерии. Также система предлагает 20 снимков артерии, где выделены области, представляющие интерес. С задачей по расшифровке записи для измерения диаметра стенки артерии алгоритмы справляются с точностью около 95%, с задачей по поиску кадров с потенциальными аномалиями — с точностью 80%, рассказали в WaveAccess.

Специалисты Health Samurai научили нейросеть отличать обычный «шум» на видеозаписи от аномалии

Проект выполнен по заказу американской медицинской компании, поставщика высокотехнологичного решения для оценки состояния артерий.

«
Разработка решения потребовала тесного сотрудничества наших алгоритмистов и разработчиков с врачами. На первом этапе внедрения медицинские специалисты сами "дообучали" решение: просматривали кадры вручную, указывали на аномалии, оценивали качество принятого модулем решения и рассказывали, чего им не хватает в данных. Данные готовились вручную, что требовало повышенного внимания специалистов с обеих сторон, — рассказал Александр Азаров, старший вице-президент по разработке ПО в WaveAccess.
»

Ранее специалисты по расшифровке просматривали всю полученную видеозапись длиной в среднем 5 минут, кадр за кадром проверяя состояние артерии, чтобы выявить репрезентативные для врача снимки и определить на них наличие холестериновых бляшек. Измерение толщины стенки артерии и ее диаметра, определение формы, размеров и расположения бляшек также осуществлялись вручную. Подготовка одного заключения могла занимать несколько часов.

Стандартные программные решения, по словам врачей, не позволяли автоматизировать процесс «чтения» сканов — с расшифровкой мог справиться только квалифицированный специалист с медицинским образованием. С ростом количества пользователей поставщику решения приходилось увеличивать штат высокооплачиваемых техников, росла и цена услуги. При этом скорость и качество сервиса не менялись. Чтобы сделать систему конкурентоспособной, требовалось оптимизировать процессы: ускорить работу текущего штата специалистов и одновременно повысить точность расшифровок.

Решить проблему удалось благодаря модулю на базе алгоритмов машинного обучения, разработанному Health Samurai. По отзыву заказчика, разработка Health Samurai позволила повысить скорость расшифровок в 5 раз: теперь не требуется просматривать всю запись целиком — необходимые для заключения кадры предоставляются автоматически. Кроме того, снизилась вероятность ошибки, связанной с человеческим фактором. В целом автоматизация процессов освободила медицинских сотрудников от рутинных операций, а компанию избавила от необходимости наращивать штат высокооплачиваемых специалистов.