Машинное обучение для медицины

Обновлено: 04.01.2020 | Автор: Андрей Миронов, MD

2019. Микроскоп с ИИ позволяет проводить гистологический анализ во время операции


При хирургических операциях по удалению раковых опухолей иногда используют интраоперационное гистологическое экспресс-исследование удаленного образца ткани, чтобы хирург увидел, удалена ли вся опухоль. Однако, используется этот метод редко, т.к. это довольно сложная процедура, включающая заморозку и подготовку образца в течении 15 минут. Ученые из Университета Техаса разработали гиперчастотный микроскоп, который не только воспринимает спектр света от ультрафиолетового до инфракрасного, но и обрабатывает картинку при помощи машинного обучения, чтобы показать хирургу раковые клетки. Причем, все это можно сделать в режиме реального времени, без специальной подготовки образца ткани.


2019. Новый томограф GE использует машинное обучение для реконструкции снимков


Вероятно, вы уже слышали, что машинное обучение применяют для автоматического поиска патологий на снимках КТ и МРТ. Но в GE придумали, пожалуй, еще более полезный способ применения машинного обучения для сканированя - превращение некачественных снимков в качественные. Как им это удалось? Они сделали много-много одинаковых снимков с низким и высоким разрешением и научили программу (которая называется Edison) восстанавливать качественную картинку из некачественной. Что это нам дает? Во многих случаях можно проводить сканирование пациента с низким разрешением, значительно снижая дозу радиации, которую он получит. Программа томографа - сама воссоздаст качественный снимок, по которому врач сможет поставить диагноз. А в сложных случаях эта система поможет избежать ошибок в диагнозе и повторных сканирований, которые периодически необходимы из-за случайных движений или неудачного распределения контрастного вещества.


2018. В России впервые в мире начнут распознавать туберкулез по снимкам с помощью нейросетей


В России стартует проект TUCAN, в рамках которого будут созданы модели машинного обучения для распознавания рака легких и туберкулеза по рентгеновским снимкам. В мире подобные модели для рака легких уже существуют, для туберкулеза — нет. Проект будет использовать базу данных российского Центрального научно-исследовательского института туберкулеза. Авторы проекта акцентируют внимание на том, что ответственность за постановку диагноза будет лежать на специалисте-человеке. Искусственный интеллект в данном случае полезен в первую очередь тем, что способен выявить и зафиксировать формальные признаки заболевания, на которые врач-рентгенолог может не обратить внимания — например, из-за усталости в конце рабочего дня. Руководителем TUCAN выступает главный внештатный специалист по лучевой диагностике Минздрава, доктор медицинских наук, профессор Игорь Тюрин (на фото).


2018. Машинное обучение улучшит диагностику рака груди


Снимки, полученные при маммографическом исследовании, могут по разному трактоваться разными врачами, в зависимости от их квалификации, усталости и настроения. Команда разработчиков из Массачусетского технологического института под руководством Адама Яла, решила исключить человеческий фактор из этого важного исследования и доверить его системе машинного обучения. Обученная ими на десятках тысяч снимков нейросеть с января 2018 работала параллельно с врачами в Массачусетской больнице общего профиля. Оказалось, что в более чем 90% случаев результаты диагностики человека и нейросети - совпадали. Кто был прав в оставшихся 10% случаев - не известно, но очевидно, что чем больше нейросеть будет обучаться, тем точнее станет ее диагностика.


2018. В России впервые в мире начнут распознавать туберкулез по снимкам с помощью нейросетей


В России стартует проект TUCAN, в рамках которого будут созданы модели машинного обучения для распознавания рака легких и туберкулеза по рентгеновским снимкам. В мире подобные модели для рака легких уже существуют, для туберкулеза — нет. В принятии решений нейросетью обязательно будет участвовать человек — клиницист или рентгенолог. Искусственный интеллект в данном случае полезен в первую очередь тем, что способен выявить и зафиксировать формальные признаки заболевания, на которые врач-рентгенолог может не обратить внимания — например, из-за усталости в конце рабочего дня. Для обучения нейросети будут использоваться общедоступные библиотеки рентгеновских снимков и материалы российского ЦНИИТ.


2017. Машинное обучение позволит создавать таргетированные лекарства


Одно из направлений современной медицины - таргетированная терапия, основанная на выявлении особенностей молекулярной патологии: лекарственный препарат находит нетипичные молекулы белка, связывается с ними и изменяет их форму, меняя поведение белка в организме. Таким образом, для разработки лекарственных препаратов нужно знать трехмерную форму белка. Канадские ученые применили методы машинного обучения для восстановления 3D-формы молекул белка из двухмерных изображений, полученных криомикроскопией. Высокое разрешение, точность и быстродействие нового метода обещают существенно упростить разработку средств для лекарственной терапии широкого диапазона болезней, включая онкологические заболевания и болезнь Альцгеймера.


2017. ИИ определяет идеальную пару для пересадки печени


В госпитале Austin Health (Мельбурн, Австралия) создали систему, основанную на машинном обучении, которая подбирает идеального реципиента для пересадки печени от появившегося донора. Разработчики вдохновились сайтами знакомств, где вы регистрируетесь, заполняете анкету, и вам тут же подбирают несколько подходящих кандидатур. Так и в Austin Health - при появлении нового донора система тут же подбирает наиболее подходящих реципиентов из списка ожидания, основываясь на возрасте, размерах тела, группе крови и десятках других параметров. Говорят, что таким образом удалось снизить уровень отторжения органов с 32% до 16%.