ИИ научился по сетчатке определять заболевания глаз, сердца и нервной системы
Чтобы добиться значительного прогресса в диагностике различных заболеваний, ученые использовали метод обучения алгоритма, аналогичный ChatGPT. Это помогло авторам не тратить время на обработку и маркировку каждого из 1,6 млн изображений сетчатки, а вместо этого обучить алгоритм сразу предсказывать нарушения. Уже сейчас ИИ может по сетчатке определять заболевания глаз, патологии сердца и нервной системы, пишет Nature.
Сетчатка глаза может дать представление о здоровье человека, поскольку ее визуализация позволяет напрямую наблюдать капиллярную сесть мельчайших кровеносных сосудов. Например, заболевание сердечно-сосудистой системы, такое как гипертония, может влиять на каждый сосуд в организме, а его визуализация дает представление о тяжести состояния. С другой стороны, сетчатка является продолжением центральной нервной системы, поэтому по ней можно проводить оценку нервной ткани.
До сих пор основанная проблема заключалась в сложности интерпретаций данных — снимков сетчатки, которые можно было бы использовать для диагностики. У врачей такого опыта нет, поэтому основные надежды возложены на искусственный интеллект.
Новый алгоритм RETFound обучили на 1,6 немаркированных изображениях сетчатки. К массиву данных добавили лишь немного проверенных врачами снимков с указанием той или иной патологии у пациента, а также изображения сетчатки здоровых людей.
По словам соавтора исследования Питерса Кина, алгоритм должен узнать о том, как выглядит сетчатка по немаркированным изображениям, а затем легко изучить особенности патологий сетчатки, связанных с заболеваниями.
Принцип обучения аналогичен языковому моделированию ChatGPT, который использует множество примеров текста для предсказания следующего слова на основе контекста.
На данный момент уже показана высокая эффективность в обнаружении признаков заболеваний глаз. Для прогнозирования системных заболеваний, включая сердечные приступы, инсульт, сердечную недостаточность и болезнь Паркинсона, общая эффективность пока ограничена, но все равно превосходит другие модели ИИ.
Сейчас ученые планируют работать в двух направлениях: совершенствовать RETFound для диагностических целей по анализу сетчатки, а также использовать алгоритм для изучения данных МРТ и КТ. Очевидно, что в ближайшие годы ученые постараются внедрить ИИ во все диагностические инструменты для моделирования признаков болезней, чтобы выявлять их на самой ранней стадии.