Выдающиеся способности систем искусственного интеллекта (ИИ) в области медицинской диагностики уже апробированы и доказаны в множестве различных заболеваний. Однако эти способности приобретаются ИИ в результате обучения на гигантских объемах информации, получаемых из историй болезней и других источников исследований. При этом из поля зрения медицинского диагностического ИИ объективно «выпадают» редкие заболевания, поскольку по ним попросту невозможно собрать репрезентативные выборки симптомов, являющихся надежными «маркерами» редкой болезни (на то она и редкая!), которые могут быть использованы в диагностической практике.
И вот недавно для одной из областей редких заболеваний, наблюдаемых с помощью рентгенографии, в лаборатории машинного интеллекта в медицине (Machine Intelligence in Medicine Lab — MIMLab) Департамента электротехнической и компьютерной инженерии Университета Торонто разработана система диагностики, основанная на использовании двух нейронных сетей. Одна из них синтезирует рентгеновские снимки участка тела пациента, в которых присутствуют признаки возможного заболевания (эти признаки взяты из медицинской практики), а вторая сравнивает эти рентгенограммы с реальными рентгеновскими снимками того же участка тела пациента (этот метод известен как технология глубокой сверточной генеративно-состязательной сети — Deep Convolutional Generative Adversarial Networks — DCGAN).
Процесс сравнения продолжается до тех пор, пока «двухсетевая» нейронная система ИИ различает «синтетическое» и реальное изображения, а когда это различие становится невидимым, к работе приступает сверточная нейронная сеть, которая по признакам заболевания ставит диагноз.
Принцип действия такой диагностической системы ИИ ее разработчики поясняют как «использование машинного обучения для обучения машины» сущность которого заключается в создании «синтетических» рентгенограмм, на которых видны признаки, характерные для некоторых редких заболеваний, и их последующем комбинировании с реальными рентгеновскими снимками, благодаря чему накапливается достаточно большой набор данных, позволяющий обучить нейронную сеть распознавать болезни. Независимая экспертиза диагнозов некоторых редких заболеваний, которые были поставлены системой ИИ, использующей технологию DCGAN, показала, что система позволяет повысить точность диагностики распространенных заболеваний в 1,2 раза, а ряда редких — в 1,4 раза. Причем время, необходимое на установление диагноза, снижается на порядок и более, по сравнению с применяемыми в настоящее время в мировой врачебной практике традиционными методами.
См. также:
- В США изобретен новый вид лазера для кремниевой фотоники
- Что такое чиплеты и какую проблему с их использованием решили в AMD?
- Благодаря новому метаматериалу фильтры для оптических систем связи обретут ультраузкополосность и повышенную теплостойкость!