По сравнению с анализом, проведенным четырьмя врачами, машина, изучившая каждый пиксель, справилась с большей уверенностью и точностью, и смогла внести корректировки в их замечания, сообщает EurekAlert.
Сейчас врачам приходится самостоятельно анализировать снимки биопсии, исследовать объем и распространение заболевания, отделять агрессивные формы от вялотекущих и давать направление на химиотерапию или менее радикальное лечение.
В апреле 2017 года Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США одобрило применение программы, позволяющей врачам анализировать цифровые снимки биопсии, а не рассматривать образцы под микроскопом.
Лишь 20% американцев будут владеть автомобилем через 15 лет
Кейсы
«Эта технология позволит врачам установить приоритет приема пациентов и даст им больше времени для того, чтобы заниматься лечением», — считает профессор Анант Мадабуши, соавтор исследования, посвященного этому новому подходу.
Для обучения нейронной сети ученые загрузили в нее 400 снимков биопсий, собранных из разных больниц. Каждый слайд состоял приблизительно из 50000×50000 пикселей. Компьютер изучал их и дополнял недостающую информацию по нескольким сканам, сравнивая пораженные раком области с остальными тканями. В ходе испытаний он добился 100% точности определения наличия или отсутствия рака на снимке, и почти такой же точности — при изучении каждого пикселя.
Два года назад обучение такой машины занимало около двух недель, а диагностика на основании 200 слайдов проходит за 20-25 минут. Сейчас, с появлением компьютеров новой архитектуры, процесс обучения сократится до одного дня, а поиск следов рака можно будет выполнять меньше чем за минуту на один снимок, считает профессор Мадабуши. «В перспективе машина может выполнять анализ в нерабочие часы, например, ночью, чтобы результаты лежали на столе у врача утром, когда он приходит на работу», — говорит он.
Ученые приблизились к созданию таблетки, заменяющей тренировки
Идеи
Превзойти врачей в анализе снимков лимфоузлов смог и алгоритм, созданный израильскими и американскими учеными. После стандартного этапа обучения точность ИИ в анализе сложных случаев составила 92%.