© ComNews
13.02.2023

Команде разработчиков Санкт-Петербургского политехнического университета Петра Великого (СПбПУ) совместно с коллегами из Манитобского университета удалось создать модель сверточной нейронной сети – "сервис второго мнения", который поможет врачам определить наличие и тип патологии в почках пациента.

Разработанный алгоритм позволяет расширить возможности обычного применения компьютерной томографии и классифицировать полученные изображения в зависимости от рода заболевания. На сегодняшний день нейросеть способна определить здоров ли пациент, а также наличие в его почках кисты, мочекаменной болезни и образования опухоли.

"Как мы знаем, при компьютерной томографии используются рентгеновские лучи, послойно сканируется орган и на выходе получаются высококачественные снимки ткани. Врач при их изучении, даже несмотря на внушительный опыт, может упустить что-то важное, ведь в день через него проходят десятки таких снимков. Мы создали "сервис второго мнения" – получаемые изображения с КТ сканирует наша модель нейросети и дает своё заключение, подсказывает доктору, где и что он мог не увидеть, на что обратить внимание. Окончательное решение, конечно, принимает врач, но уже с учетом мнения нейросети", – поделился студент магистратуры Института биологических систем и биотехнологий СПбПУ, инженер по машинному обучению Федор Кабаченко.

Вместе с Федром Кабаченко разработкой нового сервиса занимались еще два человека: выпускница Политеха, аналитик и специалист в сфере нейронных сетей Алена Самарина и студент Манитобского университета (Канада), разработчик и Big Data инженер Ярослав Михайлик. Молодым ученым пришлось проанализировать большой пул информации, связанный с анатомическими особенностями почек. Данные для анализа брались из коллекции компьютерных томограмм больниц Бангладеша, которые есть в открытом доступе. Это почти 12,5 тысяч изображений, включая снимки с наличием кисты, камней, опухоли и здоровыми почками. После анализа началось конструирование модели, ее оптимизация и обучение.

"Любое изображение разделяем на области и кодируем разными значениями. Сверху накладываем фильтр и как бы отключаем ненужные значения, оставляя только нужные. Областей становится меньше и с помощью этого гигантские изображения мы можем уменьшать в несколько раз, и поэтому в минуту мы можем обработать таких изображений намного больше и обучить нейронную сеть с помощью такого способа можно за 2-3 дня. Если бы мы не применяли свертку, то на обучение нейронной сети ушло бы 2-3 года", – объяснила Алёна Самарина.

По предоставленной разработчиками статистике, в России правильный диагноз болезни почек ставится в 86% случаев. С внедрением новой модели вероятность правильного диагноза вырастет до 94%. Но по словам разработчиков, многое зависит от набора данных, с которым происходит обучение алгоритма, поэтому эффективность модели может быть повышена.

"Мы провели анализ, в какой области медицины чаще всего совершаются ошибки, где больше всего проблем с установкой диагноза, где не хватает специалистов. В конечном счете мы пришли к урологии. Также мы выяснили, что больше всего в нововведениях со стороны IT нуждаются рентген, МРТ и КТ почек. Мы понимали, что неверно поставленный диагноз – реальная угроза для жизни человека", – отметила Алёна Самарина.

В будущем, по словам разработчиков, нейросети смогут внести неоценимый вклад в медицину. Их применение сократит время диагностики и поспособствует эффективному использованию ресурсов клиник, автоматизирует рутинные процессы, увеличит пропускную способность пациентов, снизит износ дорогостоящего оборудования и положительно скажется на экономической эффективности. Также такие исследования могут проводиться с меньшими дозами облучения и контрастного вещества, тем самым делая процедуру более безопасной для человека. Важнейшим является и то, что нейросеть может диагностировать незаметную патологию или патологию на ранней стадии – которую даже опытный врач может не заметить.

"Технически внедрить нашу модель уже в существующие аппараты КТ не так сложно – нужно иметь необходимые компьютерные мощности и установить алгоритмы в существующее программное обеспечение, либо встраивать их в оборудование на стадии его разработки. Думаю, что в общей медицине нейросети начнут применять примерно через пять лет. Стоит отметить, что на сегодняшний день в России пока отсутствует соответствующий закон, который мог бы регулировать искусственный интеллект. Также необходим регламентированный стандарт для внедрения таких алгоритмов в медицинские устройства", – подчеркнул студент СПбПУ Федор Кабаченко.

В будущем команда разработчиков планирует подключить дополнительные мощности и продолжить обучение нейросети, чтобы увеличить количество диагностируемых заболеваний, а также дополнить существующую модель алгоритмом сегментации, чтобы по точным координатам определять участок патологии.