Специалисты из Сколковского института науки и технологий (Сколтех) решили эту проблему с помощью искусственного интеллекта. Они разработали нейросеть, которая не только определяет наличие патологий на рентгеновских снимках легких, но и автоматически описывает их словами, используя простой и понятный язык.
Обычные модели искусственного интеллекта просто классифицируют снимки и данные, а наша нейросеть благодаря использованию современных моделей машинного зрения и моделей компьютерной лингвистики учится автоматически описывать рентгеновские снимки
— научный сотрудник Сколтеха Олег Рогов.
Нейросеть состоит из трех разных алгоритмов, которые работают вместе для анализа рентгеновских снимков легких и постановки диагноза. Первый алгоритм использует методы машинного зрения, чтобы обнаруживать на снимках различные патологии, такие как воспаления, опухоли, туберкулез и другие. Второй алгоритм сравнивает найденные патологии с базой данных, в которой содержатся снимки и диагнозы, подготовленные профессиональными врачами. Он выбирает те патологии, которые наиболее часто связаны с серьезными заболеваниями и требуют дополнительного внимания. Третий алгоритм применяет модели компьютерной лингвистики, чтобы сформулировать текстовое описание результатов анализа снимков. Он использует простые и понятные слова, чтобы объяснить, какие патологии были обнаружены, какова их вероятная причина и какие дальнейшие шаги необходимо предпринять. Кроме того, ученые разработали еще одну версию нейросети, в которой первый и второй алгоритмы были интегрированы в один модуль, что повысило скорость и точность обработки снимков.
Для обучения нейросетей исследователи отобрали 384 тыс. рентгеновских снимков и связанных с ними диагнозов. Ученые обработали эти изображения и отметили на них ключевые участки, на которые чаще всего обращают внимание врачи при анализе результатов обследования легких. Команда также подготовила текстовые описания снимков.
Мы специально составили свой радиологический словарь, чтобы повысить точность с точки зрения именно радиологических терминов, правил их использования в тексте. И, конечно, мы сформировали большую сводную базу рентгеновских снимков для использования в качестве обучающих данных
— Олег Рогов.
Тест системы показал, что обе ее вариации способны в 84-86% случаев выявлять ключевые патологии на снимках и подбирать диагноз, составленный простыми словами. Это позволит использовать их для ускорения диагностики болезней легких при рутинных клинических исследованиях.
Нейросеть также может помочь в обучении молодых специалистов и повышении квалификации опытных врачей. Кроме того, она может быть полезна для пациентов, которые хотят получить более подробную и понятную информацию о своем состоянии здоровья.
Ученые планируют дальше развивать свою разработку и адаптировать ее для других видов рентгеновских снимков, например, суставов или костей. Они также надеются на сотрудничество с медицинскими учреждениями и компаниями, заинтересованными во внедрении нейросети в практику.
