Учёные Университета Иннополис (Татарстан) создали нейронную сеть, способную предсказывать движение глаз врача при анализе рентгеновских снимков.
По словам разработчиков, алгоритм может «научить» молодых рентгенологов не просто смотреть на снимки, а замечать на них важные детали для постановки диагноза.
Пиксели плюс смысл
Результаты своих трудов разработчики представили на конференции по нейронным информационным системам NeurIPS. Специалисты вуза создали ИИ – помощника рентгенолога, который опирается не только на «картинку», но и на медицинские данные: анатомические, диагностические и другие сведения. В зависимости от задачи – например, поиска признаков пневмонии, сердечной недостаточности или контроля за заживлением переломов рёбер – врачи должны обращать внимание на разные части рентгеновского снимка грудной клетки. Однако современные «диагностические» нейронные сети обращают внимание на слишком тёмные или наиболее яркие пиксели, которые могут появиться из-за засветки кабинета рентгенографии или поглощения излучения украшениями на теле пациента, рассказали учёные Университета Иннополис.
– Наша модель объединяет зрение, язык и медицинские знания для предсказания взгляда рентгенолога, изучающего медицинские снимки, – рассказал один из авторов работы, специалист Лаборатории искусственного интеллекта в медицине Университета Иннополис Дмитрий Львов. – Она связывает пиксели не просто с яркими областями, а с медицинским смыслом этих областей и с диагностической задачей. Особый подход к анализу данных помог заглянуть внутрь нейросети и извлечь из отдельных фрагментов снимка понятные человеку семантические описания: «кость», «сердце», «затемнение».
Для обучения нейросети использовались три типа данных: визуальные признаки, полученные от специализированных медицинских алгоритмов; текстовые описания диагностических меток – например, «норма» или «пневмония»; семантические данные – примеры описания данных для человека. В результате модель предсказывает не только тепловую карту внимания, но и последовательность фиксаций взгляда – координаты участков снимка и длительность внимания к ним – именно так, как врач-рентгенолог распределяет внимание при поиске ответа на поставленную медицинскую задачу.
По словам руководителя Лаборатории искусственного интеллекта Университета Иннополис Ильи Першина, новая система может на 5% точнее аналогов выявлять пневмонию и сердечную недостаточность. Но ценность модели заключается не в возможности быть «самостоятельным врачом», а в обучении новых кадров не только видеть снимки, но и правильно на них «смотреть».
Сердечный «предохранитель»
Тем временем учёные Саратовского государственного медицинского университета разработали новый прибор, который предупреждает человека о приближении обострения хронической сердечной недостаточности. Носимое больным устройство оценивает активность сердца и периферических сосудов для контроля за состоянием пациента с хронической сердечной недостаточностью (ХСН), при котором сердце не обеспечивает достаточного обогащения кровью других органов. В отличие от аналогов, новый программно-аппаратный комплекс компактен и использует комплексную интегральную оценку множества клинических, электрофизиологических и гемодинамических показателей.
По словам разработчиков, устройство позволит «поймать» критический момент и вовремя скорректировать лечение.
– Ключевая инновация нашего подхода – одновременный автоматизированный анализ биосигналов электрической и механической активности сердца, а также состояния периферических сосудов, – поясняет профессор кафедры факультетской терапии лечебного факультета СГМУ Наталья Акимова. – Это даёт целостную картину, позволяющую прогнозировать вероятность декомпенсации ХСН и определять уже начинающуюся декомпенсацию, ведущую к тяжёлым последствиям.
От хронической сердечной недостаточности в России страдают от семи до 10 процентов населения.
– Сегодня врачи могут контролировать состояние таких пациентов в основном во время визитов в поликлинику, – объясняет Наталья Акимова. – Но обострение обычно начинается дома, за некоторое время до появления явных симптомов, и когда человек замечает недомогание, может быть уже поздно.
По словам Акимовой, исследования зарубежных аналогов показывают, что своевременное вмешательство на основе данных подобного мониторинга способно снизить частоту повторных госпитализаций на 30–80%. Помимо экономии средств для системы здравоохранения, это означает высвобождение времени медперсонала, а для пациентов – повышение качества жизни и снижение риска экстренной госпитализации.
Василий АКУЛОВ.
Читайте также: Врачи здорового долголетия, нутрициологи и сексологи: как изменится список медицинских специальностей с 1 сентября
