Искусственный интеллект распознает туберкулез по снимкам

Ученые из Радиологического сообщества Северной Америки (Radiological Society of North America) работают над созданием программы, которая будет способна анализировать рентгенограммы на наличие у пациента туберкулеза. В настоящее время эта болезнь является одной из десяти ведущих причин смертности в мире. В 2016 году туберкулезом заболело более 10 миллионов человек, 1,8 миллиона пациентов скончались от заболевания. В многих регионах, где оно особенно распространено, не хватает врачей-радиологов, способных расшифровывать снимки. Специалисты используют алгоритмы глубокого обучения, чтобы на основе имеющихся данных создать систему поиска очагов туберкулеза на снимках.

Исследование вели Парас Лакхани (Paras Lakhani) из Университетской больницы Томаса Джефферсона (Thomas Jefferson University Hospital) и его коллега Баскаран Сандарам (Baskaran Sundaram). Они использовали 1007 рентгенограмм пациентов с туберкулезом и без, разделив их на три группы: для обучения, проверки достоверности данных и тестирования. Затем исследователи с помощью первой группы снимков обучили две разных сети – AlexNet и GoogLeNet – отличать, где на снимке виден туберкулез, а где его нет. Комбинация двух сетей дала возможность ставить диагноз с точностью до 96%. Те 13 снимков, по итогам анализа которых сети показали разные результаты, были переданы врачу-радиологу, который поставил верный диагноз во всех случаях, таким образом, вмешательство человека позволило довести точность диагностики до 100%.

Ученые из Радиологического сообщества Северной Америки (Radiological Society of North America) работают над созданием программы, которая будет способна анализировать рентгенограммы на наличие у пациента туберкулеза. В настоящее время эта болезнь является одной из десяти ведущих причин смертности в мире. В 2016 году туберкулезом заболело более 10 миллионов человек, 1,8 миллиона пациентов скончались от заболевания. В многих регионах, где оно особенно распространено, не хватает врачей-радиологов, способных расшифровывать снимки. Специалисты используют алгоритмы глубокого обучения, чтобы на основе имеющихся данных создать систему поиска очагов туберкулеза на снимках.

Исследование вели Парас Лакхани (Paras Lakhani) из Университетской больницы Томаса Джефферсона (Thomas Jefferson University Hospital) и его коллега Баскаран Сандарам (Baskaran Sundaram). Они использовали 1007 рентгенограмм пациентов с туберкулезом и без, разделив их на три группы: для обучения, проверки достоверности данных и тестирования. Затем исследователи с помощью первой группы снимков обучили две разных сети – AlexNet и GoogLeNet – отличать, где на снимке виден туберкулез, а где его нет. Комбинация двух сетей дала возможность ставить диагноз с точностью до 96%. Те 13 снимков, по итогам анализа которых сети показали разные результаты, были переданы врачу-радиологу, который поставил верный диагноз во всех случаях, таким образом, вмешательство человека позволило довести точность диагностики до 100%.