Вчені створили ШІ, який ефективніше за лікарів визначає небезпечні клітини крові
Нова система штучного інтелекту, яка аналізує форму та структуру клітин крові, може суттєво підвищити точність діагностики захворювань крові, зокрема лейкемії. Про це йдеться в дослідженні вчених із Кембриджського університету, опублікуваному в науковому журналі Nature Machine Intelligence.
За словами дослідників, система під назвою CytoDiffusion здатна виявляти аномальні клітини з більшою точністю та стабільністю, ніж люди, що потенційно зменшує кількість пропущених або сумнівних діагнозів.
CytoDiffusion побудована на основі генеративного штучного інтелекту. На відміну від багатьох наявних медичних ШІ-інструментів, що навчаються класифікувати зображення за наперед заданими категоріями, ця система детально аналізує зовнішній вигляд клітин крові та враховує найменші відмінності, помітні під мікроскопом.
Дослідники зазначають, що їхній підхід дозволяє охопити весь спектр нормальних варіантів вигляду клітин крові та надійно ідентифікувати рідкісні або нетипові клітини, які можуть сигналізувати про захворювання. Саме такі клітини часто становлять найбільшу складність для діагностики.
Виявлення незначних відмінностей у розмірах, формі та структурі клітин є ключовим для діагностики багатьох гематологічних захворювань. Водночас набуття цієї навички потребує років практики, і навіть досвідчені лікарі можуть мати різні оцінки під час аналізу складних випадків.
“У нас є багато різних типів клітин крові, які мають різні властивості та виконують різні функції в організмі. Наприклад, білі кров’яні клітини спеціалізуються на боротьбі з інфекціями. Але розуміння того, як виглядає незвична або уражена хворобою клітина під мікроскопом, є важливою частиною діагностики багатьох захворювань”, – пояснив автор дослідження Саймон Дельтадаль.
Окремою проблемою, за словами науковців, є масштаб аналізу. Один стандартний мазок крові може містити тисячі клітин, і переглянути їх усі вручну практично неможливо.
“Людина фізично не здатна переглянути всі клітини в мазку. Наша модель може автоматизувати цей процес, відсіяти рутинні випадки та виділити все незвичне для подальшого перегляду лікарем”, – зазначив Дельтадаль.
Для навчання CytoDiffusion дослідники використали понад пів мільйона зображень мазків крові, зібраних у лікарні Адденбрук у Кембриджі. За словами авторів, це найбільший у світі набір даних такого типу. Він містить як поширені типи клітин крові, так і рідкісні приклади та морфологічні особливості, які часто вводять в оману автоматизовані системи.
Замість того щоб просто навчатися розподіляти клітини за фіксованими категоріями, система моделює повний діапазон того, як клітини крові можуть виглядати в реальності. Це, за словами дослідників, робить її менш чутливою до відмінностей між лікарнями, мікроскопами та методами фарбування, а також покращує здатність виявляти рідкісні або аномальні клітини.
Під час тестування CytoDiffusion виявляла аномальні клітини, пов’язані з лейкемією, з вищою чутливістю, ніж наявні системи. Вона також показала результати не гірші, а подекуди й кращі за провідні сучасні моделі, навіть за умови навчання на значно меншій кількості прикладів. Крім того, система могла кількісно оцінювати власну впевненість у своїх прогнозах.
“Коли ми перевіряли точність, система була трохи кращою за людей. Але особливо вона вирізнялася тим, що чітко “розуміла”, коли не впевнена. Наша модель не заявляла про повну впевненість і водночас не помилялася – тоді як люди іноді так роблять”, – зауважив Дельтадаль.
Окремо команда з’ясувала, що CytoDiffusion здатна генерувати синтетичні зображення клітин крові, які неможливо відрізнити від справжніх. Під час так званого “тесту Тюрінга” за участі десяти досвідчених гематологів фахівці не змогли краще за випадкове вгадування відрізнити реальні зображення від створених штучним інтелектом.
Водночас автори наголошують, що CytoDiffusion не призначена для заміни лікарів. Система має допомагати лікарям, автоматично обробляючи рутинні зразки та привертаючи увагу до потенційно проблемних випадків.
Источник: bukvy.org