В мае 2020 года столичное правительство сказало, что искусственный ум всего за две недельки обработал 30 тыщ КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта)-исследований легких в Москве. Разработка интенсивно применялась в стационарах и амбулаторных КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта)-центрах, где был сосредоточен главный поток пациентов с COVID-19.
На тот момент в Рф насчитывалось уже 114 431 нездоровых. И вослед за Москвой внедрением ИИ-технологий в интерпретации КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта) легких заинтересовались остальные регионы.
Сервис «КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта) Легких» разрабатывался Лабораторией ИИ Сбера и СберМедИИ для помощи рентгенологам в начале пандемии. Уже с первым релизом мы получили много запросов из регионов и здесь же начали пилотировать сервис. Разбираемся, что сделало настолько животрепещущим повсеместное внедрение ИИ в обработке КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта)-снимков в пандемию, как работает эта разработка сейчас и в чем непосредственно она помогает докторам.
Компьютерная томография (получение послойного изображения внутренней структуры объекта) (КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта)) издавна стала обычным способом диагностики в медицине. Но возникновение ИИ-технологий почти все изменило и в способе проведения исследования, и в скорости интерпретации его результатов. У врача-рентгенолога сейчас есть ассистент, который может стремительно обработать огромное количество снимков, выделить на их потенциально небезопасные участки и сходу направить внимание доктора на патологию. ИИ с высочайшей точностью рассчитает долю поражения и сформирует предварительное заключение, которое позже верифицирует доктор. В особенности очень таковая помощь пригодилась докторам, когда поликлиники и больницы стали принимать сотки и тыщи пациентов с ковидом.
В самом начале пандемии КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта)-обследование для оценки динамики заболевания (нарушения нормальной жизнедеятельности, работоспособности) проводилось клиентам в 1-ый и на 3-ий денек опосля начала терапии (терапия – процесс, для снятия или устранения симптомов и проявлений заболевания). Рентгенологи вручную высчитывали долю поражения и выдавали заключение о динамике развития заболевания. По сиим данным оценивалась эффективность проводимой терапии (терапия – процесс, для снятия или устранения симптомов и проявлений заболевания) и выбиралась эффективная методика исцеления, которая могла бы посодействовать большему числу пациентов и спасти как можно больше жизней.
В СберМедИИ соображали эти «боли (переживание, связанное с истинным или потенциальным повреждением ткани)» докторов и потому работали над созданием технологии, которая упростила и убыстрила бы процессы исследования, также ранжировала пациентов по степени тяжести. Принципиально было не упускать драгоценное время и в первую очередь рассматривать КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта)-снимки более сложных пациентов, особо очень нуждающихся в резвом отслеживании динамики развития заболевания.
Времени на создание сервиса было не много. На фоне пандемии перегрузка на рентгенологов с каждым деньком росла, они работали денек и ночь (то есть темное время суток). Было всего две недельки на создание первой версии модели, а основную трудность представлял поиск докторов для разметки собранных датасетов, поэтому что все рентгенологи были задействованы «в полях» и работали в несколько смен.
Но бывалые рентгенологи из столичных клиник отыскали время на роль в проекте, разметили данные и выделили на снимках пораженные области. Модель научили на исследовательских работах, включавших суммарно наиболее 100 тыщ срезов и в рекордно недлинные сроки начали запускать 1-ые пилоты.
Это была реальная проверка. Создатели оперативно собирали оборотную связь, дообучали модели, решали технические вопросцы. К примеру, в одном из регионов модель во время пилотирования показала наиболее низкое свойство результатов. Выяснилось, что поликлиники региона работают на оборудовании, снимки с которого не попали в первоначальную обучающую подборку (эта неувязка нередко встречается при разработке мед ИИ-сервисов). Создатели стремительно собрали доп датасет, дообучили модель и решили вопросец. В итоге внедрение разработок СберМедИИ в региональных клиниках и поликлиниках позволило на 20% уменьшить время получения результатов анализа снимков. Разработанная модель повсевременно совершенствуется, проходит обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками) с профессионалом на новейших данных.
Процесс работы метода делится на несколько шагов: поначалу идет подготовительная подготовка снимков, потом проводится сегментация изображения и автоматом выделяются патологические участки. Дальше ИИ распознает объекты, дает количественную оценку выявленных патологических участков и сформировывает предварительное заключение с описанием исследования. На крайнем шаге заключение верифицирует врач-рентгенолог поликлиники либо, при необходимости, доктор Мед цифрового диагностического центра (MDDC), цифровой платформы СберМедИИ.
Не только лишь в Рф, да и во всем мире создатели в пандемию улучшали технологии диагностики болезней легких с помощью ИИ.
К примеру, в США (Соединённые Штаты Америки – государство в Северной Америке) группа ученых попробовала осознать, как удачно различные модели ИИ выявляют признаки COVID-19 по КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта)-снимкам грудной клеточки.
Создатели протестировали две классификационные модели: полная 3D-модель изучала всю область легких, преобразовывая изображение в согласовании с данными размерами, а гибридная 3D-модель строила изображение на базе нескольких томографических срезов. Всего для обучения и тестирования технологии было применено 2 724 сканирования 2 617 пациентов, в том числе с подтвержденным коронавирусом.
Опыт показал, что полная 3D-модель верно описывает признаки COVID-19 у 87 из 109 пациентов, а гибридная модель — лишь у 74 из 109. Ученые также направили внимание на то, что машинка лучше распознавала раннюю пневмонию и ужаснее управлялась с диагностикой (процесса заключения о сущности болезни и состоянии пациента) прогрессирующего течения заболевания (нарушения нормальной жизнедеятельности, работоспособности).
Неувязкой здесь же заинтересовались ученые из Китая. Их нейронная сеть CovNet научилась различать признаки коронавируса и внебольничной пневмонии. Механизм работы трехмерной модели был представлен в журнальчике Radiology: в качестве входных данных сеть употребляет фрагменты КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта)-снимка, позже генерирует функцию для соответственных фрагментов, соединяет воединыжды извлеченные элементы с составлением карты функций и под конец оценивает возможность для каждой патологии — пневмонии при COVID-19, внебольничной пневмонии и болезней, не являющихся пневмонией. Для визуализации пораженных зон ученые ввели термо карты. Метод выделяет красноватым цветом подозрительные области для всякого предсказуемого класса и акцентирует таковым образом на их внимание рентгенолога.
Выяснилось, что CovNet безошибочно выявляет ковидную пневмонию в подавляющем большинстве случаев. Чувствительность сети при обнаружении COVID-19 составила 90%, а специфика — 96%.
Вместе с диагностикой (процесса заключения о сущности болезни и состоянии пациента) covid-19 ученые также не прекращали ранее начатой работы по выявлению на КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта) с помощью ИИ признаков и остальных болезней, такого же рака легких, от которого во всем мире раз в год погибает около 1,6 млн человек. К примеру, в Массачусетском технологическом институте (MIT) группа ученых разработала модель глубочайшего обучения для прогнозирования грядущего риска рака с звучным заглавием Sybil (по аналогии с древнегреческими странствующими пророчицами сивиллами). Модель учили на базе снимков, собранных в ходе государственного исследования по скринингу легких, которое проводилось с 2002 по 2004 год. До тестирования Sybil на КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта)-снимках без очевидных признаков рака команда разметила сотки снимков с очевидными злокачественными образованиями: было надо обучить машинку правильно оценить все опасности. В ходе опыта выяснилось, что модель лицезрела потенциальные опасности даже там, где люди не могли найти местопребывание злокачественной опухоли (Опухоль (син. новообразование, неоплазия, неоплазма) — патологический процесс, представленный новообразованной тканью) в теле.
В Рф тоже шла работа в этом направлении. Так, в 2021 году создатели СберМедИИ дообучили метод «КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта) Легких» определять ранешние признаки онкологических болезней. Машинка отмечает области вероятных патологий цветовыми подсказками, ранжирует мед снимки по степени вероятности наличия патологии и сформировывает предварительное заключение. Если ИИ «лицезреет» новообразование размером в 4 мм, он выделяет все узелки на снимке независимо от их размера.
Дальше исследование проверяется рентгенологом медучреждения либо направляется доктору MDDC для верификации. Если у человека выявлен высочайший риск онкологии, его сходу направляют в онкодиспансер, где докторы принимают решение о его дообследовании и предстоящей маршрутизации.
Улучшенный сервис «КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта) Легких» в апреле-мае 2022 года пилотировался в Нижегородской области. ИИ проанализировал там 5121 исследовательских работ, найдя 184 вариант вероятных новообразований. Опосля верификации медиками 124 результата КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта) легких были ориентированы в Нижегородский онкодиспансер.
Позднее, в октябре 2022 года, был проведен пилот технологии в Областной медицинской поликлинике №3 в Челябинске, где ИИ проанализировал 261 исследование и выявил 68 подозрений на онкологическое болезнь. 13 случаев с подозрением на злокачественное новообразование были верифицированы медиками.
Сейчас решения с применением ИИ уже проявили свою эффективность при анализе КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта) легких. Способности таковой диагностики расширяются денек ото денька, создаются мультицелевые сервисы для обнаружения сходу нескольких патологий по КТ (Компьютерная томография — метод неразрушающего послойного исследования внутренней структуры объекта) органов грудной клеточки.
ИИ обнаруживает любые малозаметные патологии, уменьшает время интерпретации изображения и увеличивает клиническую достоверность результатов, параллельно увеличивая пропускную способность пациентов. У доктора обычно уходит много времени на измерение и расчет области поражения, а сервис делает это автоматом, стремительно и буквально вычисляет долю поражения легкого, доктору остается лишь проверить и подтвердить результаты. В будущем мы, может быть, придем к тому, что все зрительные мед исследования будут подвергаться поначалу интерпретации методами ИИ, а потом верифицироваться доктором. Таковой подход понизит нагрузку на рентгенологов и число исследовательских ошибок, так как доктор, обычно, сосредоточен на поиске определенной патологии, а мультицелевой метод постоянно действует идиентично и может узреть то, что случаем мог не различить человечий глаз.
Создатель выражает личное мировоззрение, которое может не совпадать с позицией редакции.