Как нейронная сеть за 1 секунду диагностирует болезнь глаз

0
238
ИИ диагностирует заболевание глаз

Мы рады объявить результаты первого этапа нашего совместного исследовательского партнерства с больницей Moorfields Eye Hospital, которые могут потенциально трансформировать процес диагностики угрожающих зрению глазных заболеваний, сообщает компания Google DeepMind. Редакция интернет-журнала «Искусственный интеллект вокруг AI360»  приводит адаптированный перевод статьи.

Результаты, опубликованные в Nature Medicine, показывают, что наша система ИИ может быстро интерпретировать сканирование глаз из обычной клинической практики с беспрецедентной точностью. Он может правильно рекомендовать, каких пациентов следует направлять для лечения более чем 50 глазных заболеваний так же точно, как ведущие специалисты мира.

Это ранние результаты, но они показывают, что наша система может справиться с широким кругом пациентов, обнаруженных в обычной клинической практике. В долгосрочной перспективе мы надеемся, что это поможет врачам быстро определить приоритетность пациентов, нуждающихся в срочном лечении, что в конечном итоге поможет восстановить им зрение.

Более оптимизированный процесс диагностики

В настоящее время специалисты в области глаз используют оптическую когерентную томографию (ОКТ) для диагностики состояния глаз. Эти трехмерные изображения предоставляют подробную карту задней части глаза, но их трудно читать и они требуют экспертного анализа для интерпретации.

Время, затрачиваемое на анализ этих сканирований, в сочетании с их огромным количеством, которые должны обработать медицинские работники (более 1000 в день в Moorfields), может привести к длительным задержкам между сканированием и лечением — даже если кому-то нужна срочная помощь. Если у них возникнет внезапная проблема, такая как кровотечение в задней части глаза, эти задержки могут даже стоить пациентам зрения.

Система, которую мы разработали, направлена ​​на решение этой проблемы. Она может не только автоматически за секунду обнаружить признаки глазных болезней, но также может расставить приоритеты для пациентов, которые больше всего нуждаются в неотложной помощи, рекомендуя, следует ли их направлять на лечение. Этот процесс мгновенной диагностики должен резко сократить время, прошедшее между сканированием и лечением, помогая страдающим диабетической глазной болезнью и возрастной дегенерацией желтого пятна избежать потерю зрения.

Адаптируемая технология

Мы не просто хотим, чтобы это было академически интересным результатом — мы хотим, чтобы он использовался в реальном лечении. Таким образом, наша статья также берет на себя один из ключевых барьеров для ИИ в клинической практике: проблема «черного ящика». Для большинства систем ИИ очень сложно понять, почему они делают рекомендацию. Это огромная проблема для диагностов и пациентов, которые должны понимать рассуждения системы, а не только ее результаты — почему и что.

Наша система использует новый подход к этой проблеме, сочетая две разные нейронные сети с легко интерпретируемым представлением между ними. Первая нейронная сеть, известная как сеть сегментации, анализирует сканирование OCT для обеспечения карты различных типов ткани глаза и особенностей заболевания, которые она видит, таких как кровоизлияния, повреждения, нерегулярная жидкость или другие симптомы заболевания глаз. Эта карта позволяет профессионалам-диагностам получить представление о «мышлении» системы. Вторая сеть, известная как сеть классификации, анализирует эту карту, чтобы представить клиницистам диагнозы и рекомендации. Существенно, что сеть выражает эту рекомендацию в виде процента, позволяя диагностам оценивать уверенность системы в ее анализе.

Эта функциональность критически важна, поскольку профессионалы в области глаз всегда будут играть ключевую роль в определении типа ухода и лечения, которое получает пациент. Предоставление им возможности тщательно изучать рекомендации по технологиям — это ключ к тому, чтобы система использовалась на практике.

Кроме того, наша технология может быть легко применена к различным типам глазных сканеров, а не только к определенному типу устройства, которое было обучено на Moorfields. Это может показаться несущественным, но это означает, что эта технология может быть применена во всем мире с относительной легкостью, значительно увеличивая число пациентов, которые могут потенциально выиграть. Это также гарантирует, что система все еще может использоваться в больницах и других клинических условиях, даже когда сканеры OCT обновляются или заменяются с течением времени.

Следующий этап

Хотя мы невероятно гордимся этим прогрессом, это первоначальное исследование должно быть превращено в продукт, а затем подвергнуться строгим клиническим испытаниям и нормативным требованиям, прежде чем их использовать на практике. Но мы уверены, что со временем эта система сможет трансформировать диагноз и ускорить лечение заболеваний глаз.

Наши партнеры в Moorfields хотят, чтобы наши исследования помогли им улучшить уход, снизить нагрузку на диагностов и снизить затраты — одновременно. Поэтому мы также много работали над тем, как развиваться дальше.

Если эта технология будет подтверждена для общего использования клиническими испытаниями, диагносты клиники Moorfields смогут бесплатно использовать ее во всех 30 своих британских больницах и общинных клиниках в течение начального пятилетнего периода. Эти клиники обслуживают 300 000 пациентов в год и каждый день получают более 1000 сканирований по ОКТ, каждый из которых может улучшить точность и скорость диагностики.

Мы также гордимся тем, что работа, которую мы внесли в этот проект, поможет ускорить многие другие исследовательские усилия NHS. Первоначальный набор данных, который проводил Moorfields, был подходящим для клинического использования, но не для исследования машинного обучения. Таким образом, мы вложили значительные средства в очистку, кураторство и маркировку набора данных, чтобы создать одну из лучших баз данных, подготовленных AI для исследований глаз в мире.

Эта улучшенная база данных принадлежит Moorfields как некоммерческий общественный актив, и она уже используется исследователями больниц для девяти отдельных исследований в широком диапазоне. Moorfields также может использовать подготовленную AI-модель DeepMind для своих будущих некоммерческих исследовательских усилий.

Для всех нас, которые работали над этим, так как мы подписали наше соглашение с Moorfields в 2016 году, это очень интересный опыт и еще одно указание на то, что возможно, когда диагносты и технологи работают вместе.

Источники: DeepMind, Nature Medicine