Пульмонологам стоит начать беспокоиться: AI учится выявлять рак легких

Искусственный интеллект может помочь врачам сделать более точные показания компьютерной томографии, используемой для выявления рака легких. В исследовании, проведенном специалистами из Google и нескольких медицинских центров, компьютеры с внедренным AI (Искусственный интеллект — Прим.ред.) обнаруживали болезнь также хорошо или даже лучше, чем врачи.

Одна из наиболее многообещающих областей AI — распознавание шаблонов и интерпретация изображений. Это те же навыки, которые люди используют для чтения слайдов микроскопа, рентгеновских снимков, рентгенографии и других медицинских снимков. Подавая огромные объемы данных медицинской визуализации в системы, называемые искусственными нейронными сетями, исследователи могут обучать компьютеры распознавать паттерны, связанные с определенным состоянием, таким как пневмония, рак или перелом запястья, которые трудно увидеть человеку. Система следует алгоритму или набору инструкций и учится по ходу дела. Чем больше данных он получает, тем лучше становится при работе.

Процесс, известный как deep learning, то есть глубокое обучение, уже используется во многих приложениях, например, позволяет компьютерам понимать речь и идентифицировать объекты, так что автомобиль с автоматическим управлением распознает знак остановки и отличает пешехода от телефонного столба. «У нас одни из самых больших компьютеров в мире», — сказал доктор Даниэль Це, менеджер проектов в Google. В новом исследовании применили AI к компьютерным томографам, используемым для скрининга людей на рак легких, который в прошлом году привел к 160 000 смертей в Соединенных Штатах и

1,7 миллиона по всему миру. В дополнение к обнаружению определенных видов рака, сканирование также может идентифицировать пятна, которые могут впоследствии стать раком, так что рентгенологи могут сортировать пациентов по группам риска и решать, нужны ли им биопсии или более частые контрольные обследования для отслеживания подозрительных областей.

Но у теста есть подводные камни: он может пропустить опухоли или ошибочно принять доброкачественные опухоли за злокачественные образования, подтолкнув пациентов к рискованным процедурам. Рентгенологи, изучающие одно и то же сканирование, могут иметь разные мнения по этому поводу. Они создали нейронную сеть с несколькими уровнями обработки и обучили ее, проводя многочисленные компьютерные томограммы у пациентов, диагнозы которых были известны: у некоторых был рак легких, у других — нет, а у остальных пациентов были узелки, которые впоследствии стали раковыми.

«Мы используем большой набор данных для обучения, даем ему уроки и викторины, чтобы он мог начать самостоятельно изучать, что такое рак, и что будет или не будет раком в будущем. Мы дали ему итоговый экзамен по данным, которых никогда не видели и результат, который мы увидели на итоговом экзамене — он получил оценку «А», то есть 5. «Мы сотрудничаем с учреждениями по всему миру, чтобы понять, как технология может быть эффективно внедрена в клиническую практику», — сказал доктор Це.

Всего в тестовом порядке были изучены 6 716 случаев с известными диагнозами. Система показала точность в 94%. В случаях недоступности предварительного сканирования, модель глубокого обучения опередила шесть опытных рентгенологов: в ней было меньше ложных результатов. Способность обрабатывать огромные объемы данных может позволить искусственному интеллекту распознавать новые болезни. «Это может начаться как что-то, чего мы не видим, но это может открыть новые направления для исследований», — сказал доктор Мозсияр Этемади, автор исследования и доцент кафедры анестезиологии в Школе медицины Северо-Западного университета им.Файнберга.

Радиолог, который неправильно прочитал скан, может нанести вред одному пациенту, но даже самый мелкий дефект AI может навредить всем пациентам. В итоге, даже если новая система пройдет тесты, их все равно нужно будет отслеживать, чтобы не допустить возможный хакинг или программные глюки. Технология находится в стадии разработки и не готова к широкому использованию, но новый доклад, опубликованный в журнале Nature Medicine, дает представление о будущем искусственного интеллекта в медицине.