Второе мнение робота

 
Два года назад в СМИ появилась информация о том, что нейросеть (сеть множества соединённых друг с другом искусственных нейронов), созданная в Университете Иннополис, научилась исследовать цифровые рентгеновские снимки лёгких и определять на них признаки коронавирусной инфекции. В тестовом примере машина и врач-рентгенолог независимо проанализировали одни и те же снимки пациентов с подозрением на COVID-19. Заключение алгоритма о наличии или отсутствии патологии совпадало с описанием врача в 80% случаев.
МИНУТКА ДИАГНОСТИКИ
Напомним: о начале пандемии ВОЗ заявила 11 марта 2020 года. А информация о достижениях татарстанской нейросети появилась уже 26 марта. Многие, прочитавшие новость, решили тогда, что это фейк. Неужели создать за столь короткое время высокоточную систему возможно? Вполне, если начать готовиться к такому проекту за шесть лет до его реализации. И дело вовсе не в конспирологии.
– Анализ рентген-снимков – то, с чего начинались проекты в области искусственного интеллекта в нашем университете.  В 2014 году была создана лаборатория компьютерного анализа медицинских изображений. Я начал её продвигать, – рассказывает Рамиль Кулеев, директор Института искусственного интеллекта Университета Иннополис.

Выбор именно этого предмета исследований объясняется довольно просто. В 2014 году медицинские учреждения широко использовали или начинали переходить на цифровой рентген. Разработка сервиса анализа медицинских изображений для автоматизации диагностики врача-рентгенолога была очень перспективным проектом.
– Рентген-изображения – это самое массовое скрининговое исследование. В России ежегодно проводится около 80 млн флюорографических исследований. Раньше снимки на плёнке имели низкое разрешение, их изучали буквально через лупу. Сегодняшние цифровые рентгеновские изображения имеют высокое разрешение, позволяющее выполнять дифференциальную диагностику различных патологий, в том числе автоматическую с помощью алгоритмов машинного обучения, – объясняет Рамиль Кулеев.
Алгоритм, созданный им и его коллегами, обучался на изображениях из различных баз данных. Благодаря тесному сотрудничеству с медицинскими организациями для обучения использовались снимки из больниц Республики Татарстан. Также в базу данных были включены снимки, находящиеся в открытом доступе. К моменту начала пандемии машина «рассмотрела» и запомнила несколько десятков тысяч изображений с различными патологиями лёгких и научилась отличать норму от не нормы. В 2019 году нейросеть из Университета Иннополис заняла второе место в международном конкурсе автоматизированного выявления пневмонии на рентгене лёгких. Так что в 2020 году разработчикам осталось лишь немного её дообучить, сосредоточившись на изображениях патологий, вызываемых COVID-19. Предполагалось, что широкое внедрение этой технологии разгрузит врачей и ускорит постановку диагноза. Но алгоритм всё ещё помощник, а не полноценный диагност. Он может распознавать патологии наравне с рентгенологом со стажем, но до эксперта пока не дотягивает, хотя случаи, когда нейросеть замечала отклонение, а врач – нет, в практике татарстанских разработчиков тоже были.

– На рентген-снимках хорошо определяются нарушения, которые коронавирусная инфекция вызывает на запущенной стадии. Самое начало процесса, например симптом матового стекла, почти не видно. Поэтому золотой стандарт визуальной диагностики – компьютерная томография. Но даже в условиях пандемии это не такое массовое исследование, как рентген. Мы решаем задачу планомерно, – говорит директор Института искусственного интеллекта Университета Иннополис. – Уже сейчас алгоритм может оперативно сортировать изображения на снимки с патологией и без неё. И это очень важно, так как в основном, если говорить о лёгких, у нас норма, и много усилий врача тратится на то, чтобы смотреть на эту норму. Глаз замыливается, и когда специалист видит реальную патологию, он может её пропустить. Кроме того, систему можно настроить так, чтобы из набора снимков она показывала специалисту те, на которых отклонения от нормы наиболее серьёзны, чтобы помощь в первую очередь оказывалась именно этим пациентам.

Одним только распознаванием коронавирусной инфекции возможности созданного Рамилем Кулеевым и его коллегами алгоритма не ограничиваются. Сейчас институт участвует в экспериментальном проекте Департамента здравоохранения Москвы по внедрению технологий компьютерного зрения в лучевой диагностике. Весомая часть проекта – созданная в столице качественная инфраструктура рабочих мест врачей-рентгенологов, объединённых в информационную сеть. Нейросеть в Иннополисе получает изображение от врача в Москве, анализирует его и отправляет обратно с информацией об обнаруженной патологии и месте её локализации. Весь процесс с пересылкой занимает меньше минуты. Сейчас нейросеть с точностью более 80% определяет около 15 видов патологий лёгких на рентгеновских изображениях. Хотя окончательный диагноз ставит всё‑таки врач, ответ нейросети – это оперативная подсказка для него, своего рода второе мнение. В рамках московского проекта нейросеть уже провела около 700– 800 тысяч исследований.
– Большой плюс подхода москвичей для нас состоит в том, что, объединившись в сеть, они создают базу цифровых изображений с диагнозами. Для нейросети это дата-сет, так сказать, набор учебных карточек. Изучая их, алгоритм расширяет свои знания, повышает свою точность, – говорит Рамиль Кулеев.
ПЕРЕОСМЫСЛИТЬ ФИЗИКУ
В Татарстане работа с больницами, поликлиниками, диагностическими центрами тоже ведётся. Для такого взаимодействия нужен доступ врача к цифровому изображению, а также возможность передавать его нам через интернет или другой канал связи. По мнению Рамиля Кулеева, в течение ближайших двух лет получим позитивные результаты этого партнёрства.
Учёный отмечает ещё одну тенденцию передовых медицинских учреждений – комплексный подход к диагностике, то есть получение результатов по разным системам органов человека за одно исследование.
– На КТ головы мы можем обнаружить патологии сосудов, нервной ткани, костной ткани и так далее. Но пока наша нейросеть не отсмотрела необходимое количество изображений для того, чтобы полноценно использовать её в этом направлении, – говорит Рамиль Кулеев. – Тем не менее мы планируем в обозримом будущем запустить диагностику инсульта головного мозга, патологий позвоночника по компьютерной томографии, патоморфологическую диагностику и другие сервисы.

Сейчас создатели нейросети работают над инструментами, которые позволили ли бы медицинским специалистам создавать протоколы исследований по единому стандарту. Разные врачи записывают результаты одних и тех же исследований по-разному, кто‑то – подробно, кто‑то – не очень, используются разные формулировки. Унификация этих данных также помогла бы в процессе создания дата‑сетов и ускорила бы обучение нейросети.
У проекта, которым руководит Рамиль Кулеев, захватывающее будущее. Сейчас Институт искусственного интеллекта Университета Иннополис входит в программу поддержки шести российских федеральных исследовательских центров ИИ. До конца 2024 года команда института должна разработать несколько отраслевых программных продуктов, в том числе в области создания новых материалов. Подобные проекты – один из главных мировых трендов на стыке промышленности и ИИ. В прошлом году американская компания DeepMind (входит в структуру Google) открыла «дочку» Isomorphic Labs, которая займётся созданием лекарств с помощью машинного обучения.
– Мы работаем над обучением нейросети, которая сможет предсказывать свойства материалов по их структуре и наоборот. Та же DeepMind уже создала алгоритм, который позволяет предсказывать трёхмерную структуру белка по последовательности его аминокислот. Именно от структуры зависят его свойства, – говорит Рамиль Кулеев. – Подобные технологии изменят наше понимание физики веществ и материалов и в десятки и сотни раз ускорят производство сырья для фармацевтики, электроники, фотоники, нефтехимии и других отраслей. Это невероятный прогресс.
Посостязаться за возможность участия в этом прорывном проекте института может каждый желающий. В феврале в Иннополисе состоится первый хакатон Global AI Challenge. Командам предстоит на основе ИИ создать алгоритм автоматизированного отбора молекул с заданными свойствами. Лучшие проекты, вполне возможно, лягут в основу разработки нейросети для производства принципиально новых видов лекарств.
 
Автор: Ксения Сёмина
Фото: Университет Иннополис, evercare.ru, Getty Images Russia, pinterest.at, hospitalfts.ru