Нейронная сеть распознает рак легких

Эта технология может появиться в московских больницах и поликлиниках
ДИТ разрабатывает алгоритм диагностики рака легких по снимкам, сделанным компьютерным томографом
ДИТ разрабатывает алгоритм диагностики рака легких по снимкам, сделанным компьютерным томографом / М. Стулов / Ведомости

Департамент информационных технологий (ДИТ) Москвы совместно со столичным департаментом здравоохранения разрабатывает алгоритм диагностики рака легких по снимкам, сделанным компьютерным томографом, – тесты показали, что технология, работающая на основе нейронных сетей, корректно распознает опухоли в 97% случаев. Об этом «Ведомостям» рассказал представитель ДИТа. По словам замначальника ДИТа Андрея Белозерова, нейронная сеть, «натренированная» на распознавание новообразований, разработана подразделением ДИТа, отвечающим за использование в городском хозяйстве анализа больших массивов данных (big data). Эксперимент стал частью пилотного проекта мэрии по раннему выявлению рака легких с помощью низкодозной компьютерной томографии (КТ). Алгоритмы машинного обучения, на которых работает система, обошлись московским властям в 15 млн руб. и будут применяться и в других отраслях, отмечает Белозеров.

Чтобы загрузить нейронную сеть данными («обучить»), разработчики ввели в нее 6000 КТ-снимков легких пациентов, предоставленных московским Научно-практическим центром медицинской радиологии. По словам Белозерова, постановку диагноза врачом нейронная сеть не отменяет, однако может помочь сделать диагностику оперативнее и точнее. В будущем пропускать через алгоритм будут все КТ-снимки из московского Единого радиологического информационного сервиса, обещает Белозеров, но точные сроки внедрения системы назвать затрудняется.

Московские власти не первый год занимаются информатизацией городской медицины, напоминает Белозеров. Главным достижением в этой сфере он считает Единую медицинскую информационно-аналитическую систему. Эта система, в частности, позволяет пациентам записываться к врачам во всех московских бюджетных поликлиниках, а властям – балансировать загрузку лечебных учреждений и врачей-специалистов, отмечает Белозеров.

Электронные помощники

Использовать нейронные сети можно будет в call-центрах, куда москвичи обращаются за получением услуг и справочной информации, считает Белозеров. Это позволило бы сократить время получения услуг, а также уменьшить штат операторов, прогнозирует он.

Связанные с big data технологии использовались московскими властями и раньше. Например, в начале 2010-х гг. анализ маршрутов общественного транспорта и места жительства заболевших корью позволили установить вероятное место заражения и определить границы очага в московских районах Отрадное и Южное Медведково, рассказывал ранее «Ведомостям» сотрудник одной из специализирующихся в этой сфере компаний. Природные и антропогенные факторы возникновения заболеваний можно сопоставлять с уровнем заболеваемости и делать прогнозы – такое нельзя сделать, просто сложив вручную данные из таблиц, объяснял он.

По словам управляющего директора центра лучевой терапии «Онкостоп» Ксении Ловцовой, для выявления патологических процессов в легких существуют разные исследования: рентген, флюорография, КТ грудной клетки и КТ с контрастированием. Цена на эти исследования в Москве варьируется от 2000 до 10 000 руб., рассказывает она. Систему, о которой говорят московские чиновники, необходимо тестировать, отмечает она. Приобретать такую систему или лицензию на программу до того, как она подтвердила свою точность, Ловцова не решилась бы. «Но при этом я бы взяла такую систему в наш центр на апробацию, чтобы иметь возможность сравнивать с заключениями врачей и использовать как альтернативный источник данных для минимизации вероятности ошибки», – говорит она.

Окончательный диагноз не ставится по снимку – для этого требуются дополнительные исследования, гистологические анализы, объясняет гендиректор компании – разработчика систем интеллектуального видеонаблюдения и распознавания изображений «Вокорд» Тимур Векилов. На снимке можно разглядеть лишь очаги заболевания, но хорошо «натренированная» нейронная сеть, через которую пропущены тысячи снимков, справится с этим лучше, чем человеческий глаз, уверен он.