ИИ-диагностика должна помочь врачам на ранних этапах заболевания

Искусственный интеллект (ИИ) используют в своей работе 16% отечественных медучреждений, говорится в исследовании Национального центра развития ИИ при правительстве РФ от 2023 г. Созданием проектов по разработке и внедрению ИИ в здравоохранении занимаются и российские ученые, в частности при поддержке Российского научного фонда (РНФ). 

Ментальные расстройства

Один из проектов связан с диагностикой сложных психических заболеваний, таких как шизофрения, клиническая депрессия и расстройства аутистического спектра (например, синдром Ретта), с помощью ИИ. Руководитель проекта, старший преподаватель Центра прикладного искусственного интеллекта и руководитель совместной Лаборатории биомедицинского ИИ «Сколтеха» и Университета Шарджи (ОАЭ) Максим Шараев пояснил «Ведомостям», что сейчас диагностика психических заболеваний проводится во время беседы с психиатром, а также выполнения специальных заданий, что может вносить субъективность в процесс. Вследствие этого пациент даже может по-разному диагностироваться несколькими врачами, особенно в пограничных состояниях.

«Мы хотим добавить в субъективную часть постановки диагноза что-то объективное, что можно измерить в «количественном» эксперименте. Говоря о мозге, например, мы можем получить структурную и функциональную МРТ, электроэнцефалограмму – запись электрической активности мозга и биохимические показатели, включая геномный и транскриптомный анализ и т. д.», – указал Шараев.

При этом система, которой занимаются ученые, не ставит диагнозы: она систематизирует данные и дает подсказки или рекомендации врачам. Модель ИИ также должна уметь обосновывать принятое решение, т. е. быть интерпретируемой. Шараев отмечает, что при психических заболеваниях нет одного параметра, нарушение которого покажет наличие болезни. «Это будет комбинация – например, одновременно неправильные ритмы активности мозга и нарушение транскрипции одного из генов. Это некая совокупность факторов, которые укажут на болезнь», – отметил он.

По диагностике шизофрении ученые работают с ГБУЗ «Психиатрическая клиническая больница № 1» в Москве, на базе которой подготовлена анонимизированная база данных пациентов с шизофренией и здоровых добровольцев. Генетические данные разработчики получают от Уфимского федерального исследовательского центра РАН. Для диагностики клинической депрессии ученые работают с коллегами из ОАЭ и Казахстана. «Самая сложная задача для нас – это различать схожие патологические состояния, например находить подтипы шизофрении или диагностировать депрессивное расстройство на ранней стадии, когда проявлений нет или мало. У этого заболевания разные проявления, поэтому мы здесь только в начале пути дифференциации его подтипов», – добавил Шараев.

Онкология 

Еще один проект разрабатывается на базе Челябинского государственного университета (ЧелГУ) – это высокоточная система компьютерной диагностики патологий молочной железы. По словам руководителя проекта, профессора математического факультета ЧелГУ Виталия Кобера, онкологические заболевания являются одной из главных причин ранней смертности в мире. По данным Всемирной организации здравоохранения, ежегодно рак молочной железы убивает более 800 000 женщин во всем мире, при этом более 2 млн новых случаев заболевания приходится на тех, кто не имеет специфических факторов риска. Таким образом, раннее выявление рака молочной железы с помощью систем автоматического обнаружения и классификации аномалий молочной железы и правильное лечение могут существенно увеличить продолжительность жизни. Кобер отметил, что существует несколько способов выявления заболевания, таких как МРТ, томосинтез (3D-маммография), ультразвуковое исследование. При этом рентгеновская маммография продолжает оставаться самым широко используемым способом раннего выявления патологии. 

«Визуальная диагностика рака молочной железы по рентгеновским маммографиям имеет ложноотрицательные результаты – это пропущенный рак более чем в 16% [случаях]. Это связано с более плотной тканью железы, скрывающей рак, зрительными ограничениями человека и наличием шума на изображении. С другой стороны, есть и ложноположительные результаты – более 6% [случаев], что оказывает психологическое воздействие на пациентов, приводя к тревоге, депрессии и стрессу, а также к высоким затратам и ненужной нагрузке на экспертов», – пояснил он. Главная цель проекта – разработать систему компьютерной диагностики для распознавания патологии молочной железы по шкале BI-RADS (международная система интерпретации и протоколирования визуализации молочной железы) с низким уровнем ложных предсказаний. 

В ней, как отмечает Кобер, предлагается использовать методы глубокого обучения и модель локальной энергии сигнала для решения задач автоматической компьютерной диагностики: надежного обнаружения и классификации патологий молочной железы по цифровым маммограммам. Так как глубокое обучение имеет преимущество перед традиционными методами машинного обучения при использовании большого количества данных в обучающей выборке, то ученые хотят создать аннотированную базу данных цифровых маммограмм, применяя собственное оборудование, и дополнить ее изображениями со всех доступных баз данных. Система компьютерной диагностики, построенная на основе предлагаемых методов, может быть использована радиологами в качестве второго мнения для подтверждения диагноза, заключил он.

Балтийский центр нейротехнологии и ИИ БФУ им. И. Канта специализируется на разработке методов машинного обучения для систем поддержки принятия врачебных решений. Главный научный сотрудник центра Александр Храмов отмечает, что сейчас необходимо разрабатывать контролируемые врачом ИИ-системы для прогностической медицины. Это решит как проблему объяснимости, т. е. возможности проверки выводов искусственного интеллекта экспертом-врачом, так и этические проблемы использования ИИ – ведь ответственность за принимаемое решение все равно будет лежать на враче. Машинный алгоритм, по словам Храмова, будет являться ядром интеллектуальной рекомендательной системы для врача. 

«Мы не ставим перед собой задачу заменить врача. Но мы можем создать системы дополненного интеллекта, которые объединяют усилия врача и возможности ИИ по обработке данных, которые могут облегчить жизнь специалистам», – пояснил Храмов. Вместе с медиками ученые разработали методы машинного обучения, которые помогают не только найти, но и объяснить функциональные изменения в мозге людей с психическими заболеваниями. Точность диагностики большого депрессивного расстройства по данным функциональной МРТ превышала 90%, а расстройств аутистического спектра у детей, по данным электроэнцефалограммы, достигала 95%. 

Ученые не рассматривали динамику отдельных нейронов, а построили функциональную сеть мозга, описывающую динамически формирующиеся связи между различными отделами мозга, используя стандартные методы нейровизуализации, применяемые в клинической практике, – функциональную МРТ и электроэнцефалографию.