Нейросеть из Стэнфорда диагностирует пневмонию на рентгеновском снимке лучше, чем врачи

Пневмония бывает разной, и нейросеть отличает 14 ее разновидностей по рентгеновскому снимку. Результаты своей работы ученые опубликовали в открытом доступе на arXiv. «Анализ медицинских снимков — сложная задача, и мы знаем об этом», — говорит один из разработчиков программной платформы. «Мы решили разработать самообучающиеся алгоритмы, проведя „тренировку“ на основе сотен тысяч медицинских снимков».

В работе используется набор данных, предоставленный NIH Clinical Center. Это огромная база данных, куда входит более 112 тысяч фронтальных изображений грудной клетки человека, полученных при помощи рентгеноскопии. На этих снимках можно различить 14 различных патологий. Эта информация и дала возможность «натаскать» программную платформу на диагностирование этих патологий.

После того, как обучение было завершено, ученые решили проверить, насколько качественно система ставит диагноз. После того, как свой диагноз поставила машина, исследователи попросили сделать то же медиков. Врачи проанализировали 420 изображений и поставили собственные диагнозы по каждому из них. Как оказалось, компьютерная система смогла диагностировать пневмонию более точно, чем человек.

Пневмония — опасное и распространенное заболевание. Только в США с воспалением легких в больницы каждый год попадает около 1 миллиона человек. Некоторые патологии крайне сложно обнаружить на рентгеновских снимках — слишком уж неявные признаки у некоторых разновидностей этого заболевания. В то же время, машинное обучение может помочь врачам справиться с этой проблемой.

Основная опасность для пациента здесь в том, что если врач неправильно поставит диагноз, то это может привести к назначению неправильного лечения. В результате пациента будут лечить, но его/ее состояние станет ухудшаться. Ситуация усугубляется тем, что врачам приходится анализировать сотни снимков такого рода в день, в результате чего внимание притупляется. А машина, при условии качественного ее обучения, могла бы работать круглосуточно, практически не совершая ошибок. Более того, компьютерная система может выделять на фото малейшие детали, важные для установки правильного диагноза, но незаметные для человека.

Разработчики «научили» свою систему создавать при анализе снимков нечто вроде тепловой карты тела человека. Только вместо демонстрации температуры, разными цветами помечаются части легких, где машина «увидела» признаки воспаления легких. После обработки снимки осматривает уже человек, обращая внимание, в первую очередь, на те области, которые машина пометила, как самые «горячие».

Исследователи считают, что подобные системы вскоре станут общепринятыми и распространенными. «Мы собираемся продолжать создавать и совершенствовать медицинские алгоритмы, подсобное обнаружить отклонения от нормы. Мы надеемся также на то, что вскоре сможем выложить в общий доступ деперсонализированные наборы медицинских данных, которые смогут использовать другие специалисты, работающие над схожими или другими проблемами», — заявил Джереми Ирвин, представитель исследовательской группы.

Рентгеновские снимки в медицине — важнейший источник данных о состоянии здоровья пациента. Многие врачи просто завалены подобными снимками. После нескольких часов работы с ними способность врача концентрироваться падает, снижается внимание, поэтому высока вероятность ошибки. Автоматизация процесса могла бы помочь решить проблему, что снизило бы количество врачебных ошибок.

Работа, проводимая учеными, не уникальна. Сейчас схожими разработками занимаются многие стартапы и крупные корпорации вроде IBM и Google. Кроме пневмонии, компьютерные системы уже умеют обнаруживать на рентгеновских снимках и других медицинских изображениях признаки наличия опухолей, проблемы сердечно-сосудистой системы и другие отклонения от нормы.

Пневмония бывает разной, и нейросеть отличает 14 ее разновидностей по рентгеновскому снимку. Результаты своей работы ученые опубликовали в открытом доступе на arXiv. «Анализ медицинских снимков — сложная задача, и мы знаем об этом», — говорит один из разработчиков программной платформы. «Мы решили разработать самообучающиеся алгоритмы, проведя „тренировку“ на основе сотен тысяч медицинских снимков».

В работе используется набор данных, предоставленный NIH Clinical Center. Это огромная база данных, куда входит более 112 тысяч фронтальных изображений грудной клетки человека, полученных при помощи рентгеноскопии. На этих снимках можно различить 14 различных патологий. Эта информация и дала возможность «натаскать» программную платформу на диагностирование этих патологий.

После того, как обучение было завершено, ученые решили проверить, насколько качественно система ставит диагноз. После того, как свой диагноз поставила машина, исследователи попросили сделать то же медиков. Врачи проанализировали 420 изображений и поставили собственные диагнозы по каждому из них. Как оказалось, компьютерная система смогла диагностировать пневмонию более точно, чем человек.

Пневмония — опасное и распространенное заболевание. Только в США с воспалением легких в больницы каждый год попадает около 1 миллиона человек. Некоторые патологии крайне сложно обнаружить на рентгеновских снимках — слишком уж неявные признаки у некоторых разновидностей этого заболевания. В то же время, машинное обучение может помочь врачам справиться с этой проблемой.

Основная опасность для пациента здесь в том, что если врач неправильно поставит диагноз, то это может привести к назначению неправильного лечения. В результате пациента будут лечить, но его/ее состояние станет ухудшаться. Ситуация усугубляется тем, что врачам приходится анализировать сотни снимков такого рода в день, в результате чего внимание притупляется. А машина, при условии качественного ее обучения, могла бы работать круглосуточно, практически не совершая ошибок. Более того, компьютерная система может выделять на фото малейшие детали, важные для установки правильного диагноза, но незаметные для человека.

Разработчики «научили» свою систему создавать при анализе снимков нечто вроде тепловой карты тела человека. Только вместо демонстрации температуры, разными цветами помечаются части легких, где машина «увидела» признаки воспаления легких. После обработки снимки осматривает уже человек, обращая внимание, в первую очередь, на те области, которые машина пометила, как самые «горячие».

Исследователи считают, что подобные системы вскоре станут общепринятыми и распространенными. «Мы собираемся продолжать создавать и совершенствовать медицинские алгоритмы, подсобное обнаружить отклонения от нормы. Мы надеемся также на то, что вскоре сможем выложить в общий доступ деперсонализированные наборы медицинских данных, которые смогут использовать другие специалисты, работающие над схожими или другими проблемами», — заявил Джереми Ирвин, представитель исследовательской группы.

Рентгеновские снимки в медицине — важнейший источник данных о состоянии здоровья пациента. Многие врачи просто завалены подобными снимками. После нескольких часов работы с ними способность врача концентрироваться падает, снижается внимание, поэтому высока вероятность ошибки. Автоматизация процесса могла бы помочь решить проблему, что снизило бы количество врачебных ошибок.

Работа, проводимая учеными, не уникальна. Сейчас схожими разработками занимаются многие стартапы и крупные корпорации вроде IBM и Google. Кроме пневмонии, компьютерные системы уже умеют обнаруживать на рентгеновских снимках и других медицинских изображениях признаки наличия опухолей, проблемы сердечно-сосудистой системы и другие отклонения от нормы.