Технологии, позволяющие ставить или уточнять диагнозы с помощью нейросетей, вышли из лабораторий несколько лет назад. И за это время искусственный интеллект занял свою нишу. Особых успехов нейросети добились в обработке изображений и анализе статданных. В разгар пандемии COVID-19 нейросети научились ставить диагнозы на уровне лучших рентгенологов и предсказывать осложнения. Это позволило медикам выигрывать время в пиковые периоды пандемии.

Независимые исследователи и коммерческие компании за год с начала пандемии создали десятки технологических решений для быстрой диагностики коронавирусной инфекции при содействии нейросетей. И некоторые из этих решений могут поспорить по уровню точности с традиционными тестами на наличие вируса. Хотя в самом начале пандемии ученые начали с простого — с попытки установить связь между отчетами добровольцев о самочувствии с вероятностью заражения коронавирусом.

Диагноз через приложение. Исследователи из Королевского колледжа Лондона попытались при содействии нейросети понять, какие из симптомов наиболее характерны для COVID-19. Ведь в начале пандемии об этом было мало информации. Они создали приложение COVID Symptom Study, через которое пользователи могли без лишних затрат времени сообщать о самочувствии. Приложение установили около 3 млн человек, 2,5 млн регулярно им пользовались. Почти 20 тыс. прошли тестирование и внесли данные в приложение. Это позволило нейросети найти связи между отчетами о самочувствии и вероятностью заражения.

Выяснилось, что повышенная температура и кашель, если верить статистике, вовсе не главные симптомы нового заболевания. Нейросеть указала на то, что более точно о заражении и начале болезни говорят потеря обоняния и вкуса. Выводы нейросети позволили создать математическую модель, которая предсказывала наличие заболевания с точностью около 80%. На момент исследования нездоровы были, как считают исследователи, около пятой части пользователей приложения. Ученые в итоге направили медикам рекомендации обращать особое внимание при диагностике на потерю вкуса или обоняния.

Цифровой глаз-алмаз. О компьютерной томографии (КТ) во время пандемии, кажется, узнали даже самые далекие от медицины люди. КТ стала одним из стандартных инструментов для диагностики COVID-19. Однако медики столкнулись с несколькими трудностями: постановка диагноза требовала времени, а также стал заметен дефицит опытных специалистов.

Технологии машинного обучения уже отлично зарекомендовали себя в анализе изображений. Поэтому инициатива исследователей из Университета Центральной Флориды и нескольких других научных центров никого не удивила. Они решили обучить нейросеть отличать симптомы COVID-19 от симптомов других заболеваний легких. Особенно важным было научить искусственный интеллект отличать COVID-19 от пневмоний, причиной которых стал грипп, пояснили в пресс-службе университета.

В нейросеть загрузили данные КТ примерно 1,3 тыс. пациентов с подтвержденным диагнозом COVID-19 из Японии, Китая и Италии. Затем надежность диагностики проверили на примерно таком же количестве данных пациентов с разными заболеваниями, в том числе с несколькими разновидностями пневмоний. В исследовании, опубликованном в журнале Nature Communications, ученые утверждают, что точность диагностики находится на уровне 90%. «Метод можно использовать быстро и в больших масштабах в случае повторной вспышки», — пояснили в пресс-службе флоридского университета.

Лучше, чем рентгенологи. Ученые из Северо-западного университета (Чикаго, США) пошли схожим путем, но задачи там ставили немного другие. Они обучили искусственный интеллект определять заболевших COVID-19 по рентгеновским снимкам грудной клетки. Для обучения они использовали 17 тыс. снимков, около трети из них были снимками пациентов с коронавирусной инфекцией. И во время тестирования на случайной выборке исследователи обнаружили, что нейросеть действует намного быстрее опытных рентгенологов. И даже чуть точнее медиков-людей.

В тесте участвовали пять рентгенологов, им предложили изучить набор из 300 снимков. То же сделал алгоритм, который ученые назвали DeepCOVID-XR. Рентгенологи справились с задачей в среднем за 2,5-3,5 часа. Нейросети потребовались всего 18 минут. Точность медиков-людей — 76-81%. Нейросеть показала точность в 82%.

Технология может позволить максимально быстро определять пациентов с подозрением на COVID-19 и изолировать их до получения результатов тестов, пояснили в пресс-службе университета. Особенно востребованной эта технология может стать в небольших больницах. Ведь рентгенологи высокой квалификации есть не везде. И обычно они очень загружены работой. Начальные диагнозы поступающим пациентам обычно ставят рядовые медики, что увеличивает количество ошибок.

С учетом истории. Ту же задачу — помочь рядовым медикам точнее ставить диагноз и предсказывать возможные осложнения — попыталась решить группа исследователей из сети клиник Mount Sinai (Нью-Йорк).

Медики в стандартных ситуациях, разумеется, учитывают при диагностировании историю пациента. Однако если заболевание новое, как COVID-19, или в клинике наплыв вновь поступающих заболевших, рядовой медик часто не в состоянии учесть сразу все факторы.

Ученые из Mount Sinai подключили к этой задаче искусственный интеллект. Они обучили нейросеть на наборе информации о течении COVID-19 у 4 тыс. больных. Алгоритм научили совмещать данные о сопутствующих заболеваниях и данные о сделанных в клинике анализах.

Алгоритм лучше всего предсказывал возможное развитие ситуации во временном окне семь дней. Кроме того, ученые попытались сделать так, чтобы нейросеть подсказывала, будут ли осложнения в более короткий — трехдневный — срок. Самыми критическими факторами обученная нейросеть считала пожилой возраст и наличие нескольких биомаркеров в анализе крови пациента.

Любопытно, что во всех случаях ученые пока рекомендуют относиться к нейросетям только как к помощникам-консультантам. Нейросети работают быстрее людей, замечают невидимые глазу особенности, однако решение остается за медиком. Не исключено, что через несколько лет врачам придется отвечать на вопрос, как поступать, если их мнение не совпадет с мнением нейросети. И тут, скорее всего, в процесс придется вмешаться государству, чтобы создать новые протоколы работы медперсонала в эпоху искусственного интеллекта.

 |