ИИ обучили ранней диагностике Альцгеймера. Идею подсказала игра Magic: The Gathering
Технологии

ИИ обучили ранней диагностике Альцгеймера. Идею подсказала игра Magic: The Gathering

584

Учёные из Массачусетского технологического института (MIT) научили искусственный интеллект эффективно распознавать МРТ-снимки головного мозга. В будущем это упростит и ускорит диагностику таких опасных болезней, как, например, болезнь Альцгеймера и рассеянный склероз. Возможно, учёные научат ИИ распознавать даже самые ранние признаки заболеваний мозга, когда они поддаются профилактике и лечению. Как родилась новая технология? Началось всё с легендарной настольной игры Magic: The Gathering. Историю, достойную «Теории большого взрыва», по просьбе Digger рассказывает медицинская журналистка Дарья Шипачёва.

Дарья шипачёва

Внештатный автор


При чём тут Magic?

Разумеется, обошлось без магии. Своим рождением технология обязана только камере смартфона, лени и страсти к программированию.

Студентка магистратуры MIT Эми Чжао со специализацией в области компьютерного зрения — фанатка популярнейшей карточной настолки Magic. Первый набор карточек компания Wizards of the Coast выпустила ещё в 1993 году. С тех пор вышло более 20 000 штук, каждая — со своими игровыми параметрами. Запомнить это всё просто нереально! Игрокам приходится постоянно лезть в интернет и гуглить названия.

Однажды Эми задумалась: к чему такие сложности, если можно натренировать искусственный интеллект распознавать карточки по фото? Задача оказалась сложнее, чем представлялось учёной: чтобы ИИ не ошибался, для каждой из 20 000 карточек нужно было сделать много разных снимков: под разными углами, при разном освещении.

Настольная игра Magic: The Gathering

ИИ в медицине начали использовать 10 лет назад — как раз тогда стали развиваться технологии deep learning 

Чтобы сократить объём работы, Эми решила взять выборку из 200 карточек и обучать ИИ на них. Она сделала по десять снимков каждой карты, а затем создала нейронную сеть, которая тренировалась на полученных образцах. Нейронка просчитывала возможные варианты освещения, ракурса и даже вероятность бликов (если карта была упакована в пластиковый чехол) и создавала новые тренировочные образцы фото, которые помещались в базу.

Разобравшись с любимой настольной игрой, Чжао решила подыскать своему методу новое применение. Что бы ещё распознать? Может быть, медицинские изображения — например, МРТ-снимки? Сказано — сделано.

Процесс машинного обучения. Изображение: Graphcore

Как машинное обучение помогает медицине

Изображение, полученное с помощью МРТ, состоит из вокселей — это, проще говоря, трёхмерные пиксели 

Гиппокамп. Изображение: Life Science Databases / Wikimedia Commons

Искусственный интеллект начали использовать в медицине примерно 10 лет назад — как раз тогда стали развиваться технологии deep learning, в частности нейронные сети.

Вариантов применения ИИ — масса. Один из самых очевидных — это как раз распознавание различных снимков: рентгеновских, КТ- и МРТ-изображений. Использование нейронных сетей сильно продвинуло компьютерное зрение. Компьютер научился достаточно точно распознавать различные органы и их структуру на снимках, а также отличать норму от патологии.

Если говорить конкретно об МРТ, то самая крупная ниша здесь — именно исследования мозга. На них приходится до 40% всех обследований на магнитно-резонансном томографе. При этом правильно прочитать снимок МРТ мозга и найти там начальные признаки болезни — одна из сложнейших задач для диагноста: головной мозг состоит из множества небольших структур, и патологические изменения могут затронуть любую из них.

При болезни Альцгеймера, например, в первую очередь страдает гиппокамп — отдел, который составляет всего 0,6% мозга. Разглядеть там какие-то совсем небольшие изменения невооружённым глазом иногда просто невозможно.

И тут мы возвращаемся к технологии, разработанной Эми Чжао и командой, которую она собрала и возглавила.

Изображение: BSIP

Воксели и 3D-моделирование

Изображение, полученное с помощью МРТ, состоит из вокселей — это, проще говоря, трёхмерные пиксели. Чтобы выделить на снимке мозга отдельные структуры, врачи очерчивают определённые области вокселей, которые соответствуют анатомическому строению мозга.

Проблема в том, что мозг каждого человека уникален. Это затрудняет построение нейронной сети, которая бы автоматически разделяла МРТ-изображение мозга на «регионы». Технология исследователей из MIT решает эту проблему. Как и в случае с игровыми карточками, она в состоянии взять небольшое число изображений — в данном случае МРТ-сканов мозга — и сгенерировать на их основе много новых реалистичных снимков.

Воксельная модель головы. Изображение: Dake / Wikimedia Commons

Врачи соглашаются с тем, что рентгенология — одна из первых областей, в которой их могут заменить роботы

Созданные нейронной сетью образцы отличаются от оригинала, например, расположением в пространстве — ИИ может высчитать, как воксели расположены относительно друг друга, и «повернуть» их в нужную сторону. Также нейронка может создать вариации сканов, отличающиеся по контрасту изображения, наличию посторонних шумов и т. д.

Генерируя новые изображения мозга под разными углами, нейронная сеть учится распознавать и выделять разные его структуры — и в конечном итоге выдаёт полную «картинку» головного мозга с уже размеченными областями. Это тот результат, которого удалось достичь впервые: раньше подобную работу приходилось проводить — как минимум частично — вручную, что делало исследования мозга более долгими и дорогими.

Фото: Toronto Star / Getty Images

ИИ заменит доктора?

Сами врачи соглашаются с тем, что рентгенология — одна из первых областей, в которой их могут заменить роботы.

Уже есть стартапы, которые используют ИИ для интерпретации МРТ-снимков. Один из них — Brainscan.ai. Пока создатели компании используют довольно простые алгоритмы — в частности, поиск похожих изображений МРТ в большой базе данных. Но и это серьёзно облегчает работу врачей: используя Brainscan, они могут найти сканы людей с похожими патологиями, у которых уже есть диагноз.

Прочитать снимок МРТ мозга и найти начальные признаки болезни — одна из сложнейших задач для диагноста

Изображение: Brainscan.ai

Пока что Brainscan.ai предлагает клиникам, диагностическим центрам и телемедицинским компаниям бесплатное сотрудничество — доступ к их технологии в обмен на участие партнёров в их исследовательской работе. Очевидно, разработчикам нужно больше данных, чтобы вывести на рынок полноценное решение.

Ещё одна компания — американская InformAI — в партнёрстве с Nvidia, Microsoft и Amazon создала нейронную сеть, которая определяет по снимкам МРТ опухоли и очаги рассеянного склероза. Чтобы повысить точность, разработчики использовали для обучения нейронной сети около 400 млн параметров.

Данных о выручке компаний, занимающихся внедрением ИИ в рентгенологию, пока немного. По оценке Crunchbase, Aidoc зарабатывает $2 млн в год. На развитие же компания уже привлекла $41,5 млн. Очевидно, что рынок только зарождается. Но потенциал у него огромный. Например, в США рентгенологи — одна из самых высокооплачиваемых специальностей в медицине (и в экономике в целом). Они зарабатывают в среднем $419 000 в год, всего в стране работает около 34 000 таких специалистов. Притом что американцы делают 118 МРТ-снимков на 1000 жителей в год, а расшифровка одного снимка обходится пациенту примерно в $16, объём рынка только в одной стране уже на старте можно оценить минимум в $600 млн.

В России подобные сервисы особенно нужны. Труд рентгенологов у нас оплачивается не так хорошо, как в США, поэтому и стоимость исследования не так высока — зато есть проблема с нехваткой квалифицированных врачей, способных точно расшифровать снимок МРТ. Искусственный интеллект мог решить эту проблему. И у нас уже появляются стартапы, которые работают в этом направлении. Например, «Третье мнение» — платформа, которую развивает Анна Мещерякова при поддержке акселератора Сбербанка. Готовое решение для анализа МРТ-снимков с помощью ИИ компания планирует выпустить в 2020 году.

Фотография на обложке: morkeman / Getty Images

0 комментариев

Написать комментарий