Нейросеть лучше живых врачей увидела признаки повторного образования опухолей
Пример изображения, на котором нейросеть выделяет зону возможной патологии (обозначена темно-красным цветом) / Yamamoto, Kimura, Tsuzuki et al., Nature Communications, 2019
В статье, опубликованной в Nature Communications, ученые из Центра передового интеллекта RIKEN в Японии рассказали о новых возможностях для медицины, которые продемонстрировал созданный ими искусственный интеллект.
Технология, разработанная японскими учеными в сотрудничестве с рядом университетских больниц, смогла успешно обнаружить на изображениях образцов ткани больных раком соответствующие особенности без аннотаций, которые могли бы понять врачи-люди. Кроме того, ИИ нашел признаки, коррелирующие с риском рецидива рака, которые ранее не отмечались патологами. В результате прогноз компьютерной программы оказался точнее, чем диагностика на основе заключения медиков. Самые лучшие результаты показали прогнозы, объединявшие предсказания ИИ с предсказаниями врачей.
Данные работы, по мнению авторов, могут поспособствовать пониманию того, как можно безопасно использовать ИИ в медицине, помогая решить проблему «черного ящика». Пока люди сами обучают ИИ, невозможно получить от него знания сверх того, что известно нам на сегодня. Авторы работы использовали технологию «обучение без учителя». Вместо того, чтобы «обучать» ИИ медицинским знаниям, они задействовали неконтролируемые глубокие нейронные сети, известные как автоэнкодеры. Исследователи разработали метод преобразования обнаруженных ИИ функций — изначально только чисел — в изображения с высоким разрешением, которые могут быть понятны людям.
Для этого команда взяла 13 188 снимков препаратов тканей предстательной железы в больнице Nippon Medical School Hospital (NMSH). Полные данные были очень большого объема. При делении на фрагменты для глубоких нейронных сетей получилось около 86 миллиардов патчей. Обработка массива выполнялась на мощном суперкомпьютере AIP RAIDEN. Без диагностической аннотации ИИ научился использовать патологические изображения из 11 миллионов патчей.
Признаки, обнаруженные ИИ, включали диагностические критерии рака по шкале Глисона, использующиеся во всем мире. Кроме этого, он обнаружил особенности в строме — специальной соединительной ткани, которая поддерживает внутренние органы, — в областях, не связанных с раком. Об этих специфических признаках рецидива эксперты ранее не знали, а между тем с точки зрения прогноза это оказалось важным и полезным критерием диагностики, даже более точным, чем, собственно, диагностика по шкале Глисона.
Протестировав ИИ на данных, полученных в NMSH, ученые проверили свои выводы на снимках пациентов из других госпиталей, чтобы исключить особенности техники или протоколов, — и результаты подтвердились.
По словам первого автора работы Йоичиро Ямамото, эта технология может внести большой вклад в персонализированную медицину. Она способна помочь делать высокоточные предсказания рецидива рака, основываясь на изображениях образцов. Как минимум она пригодна в случае рака предстательной железы, на котором тестировалась, но, вероятно, и для многих других.
ИИ может помочь отыскать новые особенности заболеваний, еще не зафиксированные людьми. Кроме повышения точности диагностики и улучшения качества медицинской помощи, искусственный интеллект на основе подобных технологий может быть использован для поиска новых знаний в других областях вне медицины.
Ранее ученые из Научно-исследовательского института Скриппса в США научились «пробуждать» лимфоциты для борьбы с раком, а специалисты компании Toshiba разработали метод диагностики 13 видов рака по одной капле крови.
