Учёные из компании Google и её дочернего предприятия Verily, которое специализируется на разработке медицинских технологий, разработали новый способ определения факторов риска для развития сердечно-сосудистых заболеваний, таких как ишемическая болезнь сердца и инсульт. Обученная нейросеть довольно точно вычисляет эти факторы по изображению глазного дна.
На фотографии в левом верхнем углу показан цветной образец скана глазного дна из базы UK Biobank. На остальных изображениях представлено то же изображение, но в чёрно-белом варианте. На каждое из них зелёным цветом нанесена теплокарта, соответствующая каждому из усвоенных признаков: возраст, пол, курение (да/нет), среднее содержание сахара в крови HbA1c, индекс массы тела BMI, артериальное систолическое давление SBP, артериальное диастолическое давление DBP. Указаны реальные данные из базы по каждому параметру и предсказанные нейросетью.
Зная перечисленные факторы, можно довольно точно рассчитать вероятность развития сердечно-сосудистых заболеваний, которые являются основной причиной смерти во всём мире (около 31% смертей вызваны именно этой причиной).
С помощью новой системы врачи могут сэкономить много времени, поскольку вместо нескольких анализов теперь предварительная диагностика выполняется за несколько минут. Более того, теоретически алгоритм позволяет проводить такую диагностику в дистанционном режиме. Нужен только офтальмоскоп и специалист, который сможет сделать снимок.
Зеркальный и электронный офтальмоскопы
Разумеется, пока точность работы нейросети не настолько высока, чтобы заменить полноценную диагностику, но она показывает многообещающие результаты. Здесь ИИ не заменяет доктора, но расширяет его возможности.
Для обучения нейросети учёные Google и Verily использовали медицинские записи с фотографиями глазного дна примерно 300 000 пациентов. Львиная часть набора данных получена из базы EyePACS (236 234 пациента, 1 682 938 изображений). Остальную информацию взяли из базы UK Biobank. Хотя здесь объём данных меньше, зато по каждому пациенту была информация по индексу массы тела, артериальному давлению и факту курения, чего нет в базе EyePACS.
Идея выявлять болезни человека по сетчатке глаза не нова. Ещё в Советском Союзе проводились такие исследования и создавалось программное обеспечение для анализа изображений сетчатки. Но тогда не было систем машинного обучения, поэтому возможности программистов были ограничены.
Если нейросеть Google получает для обработки фотографии глазного дна двух пациентов, один из которых пострадал от сердечно-сосудистого заболевания в течение последних пяти лет, а другой — нет, то она верно определяет принадлежность фотографии пациенту в 70% случаев. Это немного хуже, чем точность используемого сейчас в медицине алгоритма SCORE. У него точность 72%.
Точность определения пола, возраста и каждого из факторов риска показана в следующей таблице.
Специалисты говорят, что подход Google к применению нейросети в этой конкретной диагностической задаче внушает доверие, потому что давно известно, что сетчатка глаза хорошо предсказывает риск развития сердечно-сосудистых заболеваний. Так что Искусственный Интеллект может значительно ускорить, а потенциально и повысить точность такой диагностики. Конечно же, перед реальным применением в клиниках программа должна пройти тщательное тестирование, чтобы врачи начали ей доверять.
Это открытие стало очередным доказательством, что нейросети могут найти широкое применение в современной медицине, особенно в диагностике. Мы только нащупываем самые очевидные варианты применения ИИ в этой области: диагностика аритмии по кардиограмме, диагностика пневмонии по рентгеновским снимкам, диагностика рака кожи и т. д.
Потрясающие возможности применения ИИ для диагностики болезней — одна из причин, почему компания Google запустила проект Baseline по сбору подробных медицинских записей 10 000 человек в течение четырёх лет.
Научная статья опубликована 19 февраля 2018 года в журнале Nature Biomedical Engineering (doi: 10.1038/s41551-018-0195-0, pdf).
Источник
