Алгоритми машинного навчання допомагають розпізнати ракові клітини

Вердикт патолога, що досліджував зразки тканин пацієнта, вкрай важливий при лікуванні багатьох хвороб. Зокрема, якщо мова йде про онкологічні захворювання, на основі діагнозу патолога будується вся схема лікування. Лікарі тренуються роками, відточуючи свою майстерність і набуваючи досвіду.

Навіть з урахуванням постійних тренувань діагнози, поставлені одному і тому ж пацієнтові різними патологами, можуть істотно різнитися, що в підсумку може призвести до неправильної терапії. При вивченні знімків хворих з деякими формами раку молочної залози і простати думки можуть збігатися за все на 48%. Це не дивно — обсяг інформації, яка міститься на зображеннях, величезний. Патології необхідно розглянути всі без винятку тканини на знімку, а таких знімків у одного пацієнта може бути декілька. Якщо оцифрувати зображення при 40-кратному збільшенні, вони будуть «важити» по 10 Гпікс, і за кожен піксель лікар несе відповідальність. Час при цьому може бути обмежена.

Щоб дозволити труднощі з різницею в думках і обмеженістю часу, фахівці Google вивчають, як можна застосувати алгоритми глибокого навчання в роботі патолога, доповнити «ручне» вивчення програмою автоматичного розпізнавання уражених клітин. Для підготовки програми дослідники використовували знімки, надані медичним центром університету Неймегена (Radboud University). Програмісти навчили штучний інтелект знаходити на знімках клітини раку молочної залози з метастазами в лімфовузлах.

Виявилося, що навіть стандартні алгоритми — наприклад, Inception (він же GoogLeNet) — здатні ефективно відрізняти хворі клітини від здорових, хоча отримані теплові карти (зображення, що показують, яка частина тканини ймовірно вражена) містили забагато шумів. Однак після доопрацювання, що включала також навчання мереж скануванню зображень при різному збільшенні, точність математичної моделі була порівнянна або навіть перевершувала точність роботи патолога, який при вивченні біоматеріалу не обмежений у часі.

Фактично після модифікації алгоритму підготовлені за його допомогою теплові карти були вдосконалені настільки, що їх точність досягла 89%. Фахівці порівняли свій результат з роботою патолога, час якого не обмежували (насправді він закінчив через 30 годин, розглянувши 130 знімків), і виявили, що штучний інтелект на 16% ефективніше людини (73%). Модель показала себе добре і з іншим набором знімків, наданим іншій лікарнею.

Незважаючи на багатообіцяючі результати, автори алгоритму підкреслили, що модель в будь-якому випадку поступається людині хоча б тому, що вона запрограмована шукати тільки певні патології, а людина зверне увагу і на ознаки інших захворювань — аутоімунних хвороб, запальних процесів, інших типів раку. Сама система підрахунку також має свої мінуси — кількість хибнопозитивних результатів, коли патолог приймає здорові клітини за хворі, збільшує чутливість алгоритму при навчанні. Оптимальний варіант, на думку фахівців — поєднувати обидва підходи, тобто доповнити роботу фахівця-людини програмою-алгоритмом глибокого навчання.

Также выгодно купить сиалис вы можете посетив сайт india-pharm.com.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *