Беседа с ведущим научным сотрудником лаборатории аналитики потоковых данных и машинного обучения НГУ, кандидатом физико-математических наук Евгением Павловским
– Евгений Николаевич, ваша лаборатория активно взаимодействует с Новосибирским Федеральным центром нейрохирургии. Поясните, как аналитика потоковых данных может прилагаться к современной медицине?
– Хочу обратить внимание на то, что в названии нашей лаборатории присутствует еще и понятие «машинное обучение». Так вот, методы машинного обучения сейчас очень активно применяются в самых разных прикладных областях, в том числе и в медицине. В частности, речь идет о распознавании заболеваний по снимкам. Именно этим мы сейчас и занимаемся. Конкретно, речь идет об опухолях головного мозга. С помощью машинных алгоритмов мы в состоянии автоматически определить тип опухоли, то есть осуществить классификацию. Также мы можем автоматически установить контуры этой опухоли. Поскольку в этих задачах очень большая вариативность, то решать их классическим способом - как это обычно делается - очень сложно. Именно поэтому здесь весьма разумно применять методы машинного обучения, имея в своем распоряжении несколько тысяч обучающих примеров. Все это предоставляется «машине», которая пытается извлечь из этого определенную закономерность.
- Я правильно понимаю, что классический способ – это когда снимки внимательно рассматривает конкретный специалист, затрачивая на это уйму времени? «Машина», работающая по специальной «обучающей» программе, способна делать это гораздо быстрее и эффективнее.
– В принципе так и есть. Только нужно понимать, что машина не в состоянии делать окончательные выводы. Выводы всегда делает человек, который и принимает ответственность за принятое решение. Машина чем-то заменяет человеческий глаз, определяя тип опухоли и ее границы. И делает она это гораздо быстрее человека.
- Можно ли сказать, что машина в состоянии заменить в этой области определенное количество людей? Условно говоря, вместо того, чтобы нанимать сотню специалистов, вы устанавливаете одного робота.
– Думаю, что пока так сказать нельзя. Конечно, в каком-то смысле такая угроза есть, поскольку благодаря этим машинам один специалист в состоянии выполнить конкретную работу за десять минут, а не за несколько часов. Дело в том, что у врача-радиолога есть много других задач – менее рутинных. То есть мозг специалиста можно использовать более эффективно, нежели просто рисовать контуры опухоли.
- То есть машина берет на себя как раз рутинную часть работы?
– Да, именно так. Рутинные задачи целесообразнее переложить на машину. Хотя на этот счет есть разные мнения. Рутина никому не нравится, но без рутинной работы у человека не возникает озарения.
- Скажите, а почему вы сосредоточились именно на проблеме опухолей головного мозга? Неужели это так актуально?
– Здесь сыграли свою роль сразу несколько факторов. Пожалуй, самое важное здесь то, что в Новосибирске есть очень хорошая школа радиологов. Здесь как бы соединились два направления. С одной стороны, существует практика диагностики и операций по головному мозгу в Федеральном центре нейрохирургии. И, с другой стороны, есть практика определения опухоли и ее границ. Естественно, сюда входят и сотрудники упомянутого Центра, и такой известный в стране специалист-радиолог, доктор медицинских наук, как Андрей Юрьевич Летягин. Он, кстати, и руководит нашим проектом. Как раз у себя в университете мы и собрали эту мультидисциплинарную команду – математиков, врачей, радиологов, программистов. Нам удалось собрать коллектив и выиграть грант РФФИ №19-29-01103, который дополнительно подтвердил актуальность нашей работы. Собственно, по результатам этого гранта мы и получили определенные решения.
- На какой стадии находится сейчас работа вашей команды?
– Если говорить о стадиях готовности технологии, то мы уже вышли на уровень создания прототипа, который можно пробовать использовать в клиническом процессе. Правда, пока мы еще не прошли клинических испытаний. Здесь надо отметить, что не так давно появились государственные стандарты на клинические испытания алгоритмов искусственного интеллекта в медицине, в частности, в радиологии. Эти стандарты уже утвердили, но пока что речь идет о первой части, где об опухолях ничего не сказано. Но мы, естественно, твердо настроены на то, чтобы пройти эти испытания.
Что касается программного обеспечения, то мы разработали специальное приспособление – прототип автоматизированное рабочее место врача радиолога (АРМ), который радиолог может встроить в свою практику и, таким образом, использовать наш алгоритм для быстрой автоматической сегментации.
- Сколько еще понадобится времени для окончательного завершения работы?
– Полагаю, для этого необходимо еще несколько месяцев. То есть уже в этом году. Здесь всё будет зависеть от площадки для внедрения. Основной вопрос упирается в то, где мы будем внедрять разработку, кто готов внедрить наши результаты исследований. На данном этапе мы как раз и ищем эту площадку.
- А есть у вас какие-то финансовые затруднения? Мне очень часто приходилось слышать от разработчиков жалобы на недостаток средств для завершения работ.
– Нет, я так не думаю. У нас продолжается грант, который заканчивается как раз в этом году. Правда, должен заметить, что грантом не предусматриваются задачи внедрения. Его задача – поиск нового научного знания. Нас поддержал, как известно, Российский фонд фундаментальных исследований, ныне РНФ. Новое знание мы нашли, о чем свидетельствуют наши публикации. Но мы на этом не останавливаемся. Мы хотим, чтобы наша разработка вошла в практику. И вообще сама наша лаборатория ориентирована как раз на практику. Как я уже сказал, прототип у нас готов, и теперь осталось найти площадку, где можно будет встроить нашу разработку в конкретный рабочий процесс.
- Не возникнет ли тогда необходимости в поисках дополнительных средств финансирования для осуществления процесса внедрения?
– Я отвечу так. Если бизнес-модель выстроена правильно, если ваша разработка в самом деле помогает людям, то это должно приносить выгоду тому, кто всё это будет использовать. Сейчас происходит взаимодействие с некоторыми компаниями, которые могли бы включить это к себе в рамках какого-то масштабного решения. Опухоли мозга – лишь частный случай анализа МРТ-снимков. В общем, мы ищем партнеров для внедрения нашей разработки.
- То есть к данной разработке возможен большой интерес со стороны коммерческих компаний?
– Должен заметить, что в зарубежных клиниках и некоторых московских медицинских учреждениях уже применяют алгоритмы искусственного интеллекта. Там же, собственно, отрабатываются государственные стандарты по клиническим испытаниям. Мы хотим посотрудничать с ведущими организациями. Однако, подобные истории успеха почему-то сосредоточены именно в Москве и Санкт-Петербурге. Поэтому нам придется подтвердить статус Новосибирска как интеллектуальной столицы Сибири и осуществить такой успех у себя.
- Насколько уникальна ваша разработка?
– В России есть несколько команд, занимающихся подобной проблематикой – именно по опухолям. Что касается международного уровня, то мы второй раз приняли участие в международном конкурсе, посвященном как раз проблеме сегментации опухолей. В прошлом наша команда выступила там хорошо и попала в лидеры по задаче сегментация опухоли головного мозга и оценкам связанной с ней неопределенности. В этом году из тысячи команд мы попали в пятнадцать лучших (на валидации). Главное то, что мы поняли – для самих себя - свое реальное место в мире. И пока что с уверенностью можем сказать, что наша команда находится на достаточно высоком уровне. Думаем, в России нам удастся войти в число лучших.
Беседовал Олег Носков
- Войдите или зарегистрируйтесь, чтобы отправлять комментарии