Нейросеть будет помогать российским медикам ставить диагнозы

Специалисты Северо-Кавказского федерального университета разработали программу, которая может выявлять признаки аритмии по электрокардиограммам пациентов. В основе технологии лежат нейросети, обученные на реальных данных. Работа ученых могла бы снять с врачей часть рутинной нагрузки, но, когда именно изобретение дойдет до больниц и поликлиник, зависит от изменений медицинского законодательства.

Как работает программа?

Над тем, чтобы научить нейросети находить неладное в данных ЭКГ, работают младшие научные сотрудники кафедры математического моделирования факультета математики и компьютерных наук Мария Киладзе и Ульяна Ляхова. Научный руководитель Павел Ляхов говорит, что изначально ученым было интересно узнать, может ли программа справиться с задачей, которая иногда и у самих врачей вызывает затруднения.

Первым делом математики определили, сочетание каких нейросетей дает наибольшую эффективность, а затем стали обучать их на массиве апробированных данных — базе кардиограмм пациентов, по которым врачи уже поставили диагнозы. Их в итоге и сопоставляли с резюме, которое давала программа.

Научили нейросеть

«Нам удалось найти удачную архитектуру, что позволило получить более высокий процент точности корректных распознаваний кардиограмм, соответствующих человеку со здоровым сердцем и больному аритмией», — рассказывает Павел Ляхов. — «Записи, которые мы использовали, проверены и размечены экспертами. Нейросеть обучалась на большом количестве историй болезней. Теперь на основе этого она строит математические связи, пытается предугадывать заболевания и самостоятельно ставит диагноз.»

Специалист объясняет, что одна из нейросетей внутри системы анализирует именно кардиограмму. Сначала данные анализа обрабатываются математическими инструментами, чтобы очистить их от шума. Другая нейросеть изучает метаданные о возрасте, поле пациента и прочих параметрах, интересных врачам. В результате на основе аналитического «сотрудничества» двух нейросетей и ставится диагноз.

Перспективы разработки

Разработка ученых СКФУ уже вызывает заинтересованность медицинского сообщества. Главное препятствие, которое стоит на пути внедрения системы в практику, — нормативные акты в области медицины. В законодательстве пока не определено, как регулировать диагностику пациентов с использованием нейронных сетей.

Еще меньше доверия у законодательства к самостоятельному скринингу. Казалось бы, сегодня технические возможности гаджетов широки: любые умные часы умеют не только показывать время и оповещать о сообщениях, но также измеряют пульс и фиксируют много других данных о человеке. Тем не менее тотальное внедрение нейросетей в медицинскую сферу, похоже, является лишь вопросом времени. Особенно при постоянной нехватке специалистов.

Примеры использования нейросетей в медицине

В Москве искусственный интеллект (ИИ) научился определять перелом ребер на КТ-снимках органов грудной клетки. Это поможет врачам при описании сложных диагностических случаев (например, сочетанной патологии или тяжелых травм). Данное исследование войдет в состав комплексного сервиса искусственного интеллекта — по одному снимку нейросеть сможет определять признаки сразу множества патологий. Сейчас работает уже более 50 сервисов ИИ по 23 направлениям клинических исследований, с их помощью медики проанализировали около 10,5 миллиона изображений.

В США нейросеть, разработанная компанией Google, научилась определять рак кожи с точностью 95%. Она способна распознать признаки заболевания даже на ранних стадиях, когда оно не проявляется визуально.

В Китае нейросеть, разработанная компанией Ping An Good Doctor, научилась диагностировать коронавирус по рентгеновским снимкам. Она способна определить заболевание с точностью 90%.

Эти и другие примеры показывают, что нейросети имеют большой потенциал для использования в медицине.