Google разработала искусственный интеллект на основе глубокого обучения для ранней диагностики рака лёгкого

Низкодозная компьютерная томография при скрининге рака лёгкого, как известно, значительно снижает смертность у людей высокого риска из-за интенсивного курения. Но у неё есть недостатки: ежегодное воздействие радиации даже в низкой дозе, гипердиагностика и ложноположительные результаты, когда нераковые опухоли принимают за рак и проводят биопсии и операции.

Искусственного интеллекта подобласть — глубокое обучение (deep learning), согласно исследованию в Nature, может помочь уменьшить эти риски.

Глубокого обучения в системах созданные человеком алгоритмы отвечают за сбор, сортировку и анализ больших объёмов данных. Большие данные (big data) питают искусственную нейронную сеть — набор алгоритмов, смоделированный по образцу человеческого мозга, — и затем интерпретируются. Программисты не говорят машине, что делать с данными: она анализирует их и принимает решения на основании изученного. В большинстве случаев чем больше данных, тем точнее решения.

Исследователи Google разработали искусственную нейронную сеть с несколькими слоями обработки. Её обучили на данных КТ лёгких: часть людей имела рак лёгкого, часть — нет, у других были узелки, превратившиеся в рак.

Технология показала исключительную способность выявлять рак лёгкого. При сравнении с 6 рентгенологами система по ложноположительным результатам (распознавание как рака при его отсутствии) — % 11, ложноотрицательным результатам (распознавание как доброкачественного при наличии рака) — % 5 снижением показала очень хорошие результаты. Когда разрешалось видеть предыдущие КТ, алгоритм давал результат, равный опытным рентгенологам. В целом точность этой модели ИИ составила % 94.4.

Хотя система глубокого обучения Google ещё не готова к широкому применению, результаты показывают потенциальную роль ИИ в медицине. Приложение создаёт возможность оптимизировать КТ-скрининг для ранней диагностики рака лёгкого с помощью компьютера и автоматизации. То, что машины всё лучше выполняют медицинские тесты и поддерживают клинические решения, очень положительно, но отдельной проблемой остаются слабая осведомлённость большинства курящих о скрининге и продолжающаяся незащищённость. Автоматизация скрининга системами поддержки клинических решений, такими как модель Google, способна повысить точность, согласованность и распространение скрининга рака лёгкого.