В Университете Иннополис научили нейросеть диагностировать новый коронавирус по медицинским снимкам с точностью 80 %
Сотрудники Центра искусственного интеллекта российского ИТ-вуза обучили нейросеть на 28 тысячах медицинских изображениях с пневмонией, в том числе на 94 изображениях, взятых у больных COVID-19. Сотрудники центра готовят к запуску онлайн-сервис, который поможет врачам быстрее выявлять больных с развившейся коронавирусной пневмонией при массовой диагностике во всём мире.
Диагностирование пациентов с подозрением на новую коронавирусную инфекцию многофакторное: больным делают анализ крови, мазок на микрофлору носа и зёва, но в ряде стран не хватает тестов, поэтому анализы делают лишь небольшому числу пациентов с тяжёлыми симптомами или подтверждёнными контактами с больными. Рентген лёгких в таком случае становится одним из доступных вариантов массовой диагностики: в некоторых случаях на снимках наблюдаются особые признаки, которые может вызывать коронавирусная пневмония.
Команда Центра искусственного интеллекта Университета Иннополис с 2014 года работает над разработкой алгоритмов и сервисов распознавания медицинских изображений, включая рентгеновские изображения органов грудной полости, КТ-изображения и МРТ-изображения различных органов, на основе нейронных сетей. Одна из разработок — алгоритм обнаружения признаков пневмонии по рентгеновским изображениям. Для обучения искусственного интеллекта в набор данных включили 28 тысяч снимков лёгких здоровых людей и пациентов с разными видами пневмонии. Специалисты ИТ-вуза адаптировали модель для новых задач и включили из открытых источников в набор данных алгоритма 94 рентгеновских изображения органов грудной полости инфицированных COVID-19, взятых из открытого датасета на сайте Github, который пополняется каждый день. Так, нейронная сеть научилась определять общие признаки патологий, вызванных новым коронавирусом.
Как объясняет руководитель Центра искусственного интеллекта Университета Иннополис Рамиль Кулеев, точность нейросети пока недостаточна для повместестного клинического внедрения, однако сам метод после доработки окажется полезным при массовых исследованиях легких. "Ежегодно в России проводится около 80 миллионов флюорографических исследований, а в день это около 220 тысяч снимков. Причем, предположительно, эпидемиологическая обстановка мало изменила количество процедур. Тестов на вирус гораздо меньше, и они требуют дополнительных ресурсов, поэтому массовый скрининг и анализ снимков органов грудной полости поможет выявлять заболевших коронавирусом среди населения, а также планировать лечение. Кроме того, сервис может быть развернут в облаке, что позволит подключить к нашей системе рентген-кабинеты труднодоступных и отдаленных поселений. Автоматический анализ данных повысит эффективность диагностики и снизит нагрузку на врачей-рентгенологов", - рассказа Рамиль Кулеев.
Алгоритм и врач-рентгенолог независимо проанализировали снимки пациентов с коронавирусом. Оказалось, что предсказание модели о наличии или отсутствии патологии совпадает с описанием врача в 80% случаях. Кроме этого, алгоритм не ошибся в 13%, в которых врач не смог определить патологию. Ожидается, что в ближайшее время размеры датасетов рентгеновских изображений с коронавирусом существенно увеличатся. Это позволит значительно повысить точность алгоритмов.
"Когда врач-клиницист сталкивается с пациентом с признаками коронавирусной инфекции, в своем арсенале он имеет очень ограниченный набор инструментов, позволяющих оперативно выявить признаки заболевания. Рентгенологическое исследование органов грудной полости является объективным инструментом для выявления изменений в легких, которые могут быть признаками развития коронавирусной пневмонии. Результат цифровой рентгенографии, оперативно полученный врачом, смог бы помочь в выявлении у больных с коронавирусом прогрессирующих изменений в легких. Программное обеспечение для автоматического распознавания признаков заболевания по рентгеновским изображениям могло бы упростить работу врача-клинициста и повысить эффективность диагностики при необходимости проведения неотложных исследований, в том числе при невозможности моментального анализа исследования врачом-рентгенологом. Но при этом, конечно, возникают вопросы по встраиванию системы на основе искусственного интеллекта в алгоритм диагностики коронавирусной инфекции для возможности максимально оперативного выявления развивающихся патологических изменений в легких и принятия неотложных мер по эффективному лечению", - рассказал заведующий рентгенодиагностическим отделением Республиканского клинического противотуберкулёзного диспансера Татарстана Сергей Коновалов.
"Недостаток лабораторных тестов для COVID-19 — одна из главных проблем ранней диагностики заболевания для своевременного начала лечения пациента и минимизации его контактов с окружающими. Неделю назад журнал Radiology опубликовал исследование КТ-снимков пассажиров с корабля Diamond Princess. Более половины пассажиров, у которых еще не было симптомов заболевания, имели затемнения в легочных полях. Диагностический потенциал есть также у флюорографических исследований — более дешёвого, безопасного и распространённого инструмента для анализа органов грудной клетки. Наша команда занимается разработкой методов искусственного интеллекта для диагностики заболеваний лёгких и уже смогла разработать алгоритмы для диагностики пневмонии на близком к врачам уровне. Отмечу, что анализ снимков не заменит использование лабораторных тестов, но может серьёзно помочь там, где доступ к тестам затруднён", - объяснил ассистент-профессор Университета Копенгагена и ведущий научный сотрудник Университета Иннополиса Булат Ибрагимов.
С 2014 года Университет Иннополис ведёт разработки с использованием технологий искусственного интеллекта для промышленности, нефтегазовой отрасли, энергетики, медицины, лесного и сельского хозяйства. В 2019 году вуз объединил проекты в рамках одного центра.
Команда исследователей в сотрудничестве с зарубежными вузами занимается проблемами автоматизированного диагностирования заболеваний на медицинских изображениях. Существенных результатов удалось добиться для заболеваний опорнодвигательного аппарата, брюшной полости и органов грудной полости. Разработанные алгоритмы стали победителями трех международных конкурсов по анализу позвонков и межпозвоночных дисков на КТ и МРТ снимках, а также цефалометрии по снимкам черепа (конкурсы проведены Medical Image Computing and Computer Assisted Intervention Society и IEEE International Symposium on Biomedical Imaging). С 2014 года специалисты работают над нейронными сетями для диагностики патологий грудной полости. Нейронная сеть была обучена распознавать пневмонию, используя 26,684 снимков легких. Она попала в 3% лучших алгоритмов на конкурсе, организованном Радиологическом обществом Северной Америки в 2018 году.
