Как сообщило издание SciTechDaily, ученые из Гарварда изобрели(внешняя ссылка) нейросеть, которая якобы с огромной точностью – до 96% – диагностирует рак. По словам авторов публикации, ИИ умеет работать с 19 видами рака, рекомендовать лечение и прогнозировать вероятность выжить. Нейросеть определяет злокачественные клетки там, где их не видят люди.
Сенсация? Главный научный сотрудник лаборатории бионанофотоники Инженерно-физического института биомедицины (ИФИБ) МИФИ, доктор технических наук Константин Зайцев отмечает, что статья вызывает много вопросов. Прежде всего, считает эксперт, непонятно, как, имея малое число снимков здоровых людей (так указано в статье), по своим признакам похожих на снимки больных, можно утверждать что-то определенное, имея в виду проблему балансировки данных.
«Это как, ни разу не видя слона, пытаться его нарисовать по двум-трем восторженным высказываниям», – замечает ученый.
По словам Константина Зайцева, в международной классификации болезней Всемирной организации здравоохранения (ВОЗ), куда входят 194 государства, включая США, в рамках диагностики и лечения онкологических заболеваний предполагается поэтапный подход анализа органов пациентов.
«То есть, необходимо двигаться от более щадящих, но менее информативных инструментов к менее щадящим и более информативным. Например, для анализа заболеваний щитовидной железы выполняется переход от ультразвуковых исследований к цитологическим исследованиям пункции, добытой тонкой иглой из зоны предположительного заболевания. Далее возможна генетическая или радиологическая экспертиза с каким-то внедренным в организм изотопом. И, наконец, если не удалось получить уверенный диагноз на всех этих этапах, переходим к получению образцов тканей живого человека в результате гистологической операции», – поясняет эксперт.
Между тем, в указанной публикации речь идет именно об анализе тканей. Видимо, предполагается, что всем пациентами, минуя стандарты ВОЗ, сразу делается гистологическая операция. По мнению Константина Зайцева, вряд ли это разумно, учитывая невысокий процент реального выявления заболевания по многим, указанным в статье, нозологиям.
Эксперт отмечает, что в ИФИБ реализуется именно поэтапный подход с использованием медицинских снимков и тестов Эндокринологического научного центра Минздрава. Уже создан программный ассистент(внешняя ссылка) врача УЗИ, анализирующего снимки с точностными показателями около 80-85 %, завершается разработка программного ассистента врача-цитолога(внешняя ссылка), анализирующего не только отдельные клетки, как указано в статье, но и скопления клеток (точностные показатели в районе 85-90%) в соответствии с международной системой категоризации стадий онкологического заболевания щитовидной железы Bethesda. Именно Bethesda и определяет дальнейшие легитимные действия по лечению врачей-эндокринологов во всем мире. Начаты разработки ассистентов врача-радиолога и врача-гистолога, которые также работают в ограничениях своих систем категоризации заболеваний в соответствии со стандартами ВОЗ. Такая вертикальная интеграция интеллектуальных систем и реализует подход, предложенный ВОЗ.
В то же время старший преподаватель Института интеллектуальных кибернетических систем (ИИКС) МИФИ Роман Душкин отмечает, что главное достижение гарвардских ученых даже не в том, что разработанная и обученная ими модель диагностирует рак и предсказывает длительность жизни пациента. Важно, что при помощи данных моделей становится возможным находить новые закономерности в развитии опухолей, которые потом врачи могут интерпретировать для того, чтобы искать решения. В частности, на тех изображениях, по которым нейросеть предсказывала, что пациент будет жить дольше, чем другие, обнаружено, что вокруг опухоли имеется большое количество клеток иммунной системы, то есть, иммунная система атакует опухоль. И это наталкивает на мысли о возможном направлении лечения. То есть, нейросеть позволяет не только решать конкретную задачу, но дает возможность расширять зоны научного поиска и даже направлять его. «Такие модели цены именно этим», – отмечает Роман Душкин.
Эксперт также подчеркивает, что сейчас на сайте журнала Nature доступно шестнадцать датасетов размеченных медицинских изображений, на которых тренировалась разработанная гарвардскими исследователями модель. Любой может повторить и проверить, как будет обучаться ИИ на этих изображениях. «Тем и отличаются такие научные коллективы, что другие могут попробовать повторить и проверить точность, которую получили ученые», – считает Роман Душкин.