Разглядеть туберкулез

Когда сегодня говорят про искусственный интеллект, обычно подразумевают его наиболее динамично развивающееся направление – глубокие нейронные сети (DNN – Deep neural network). В современном здравоохранении есть несколько блоков задач, оптимальное решение которых требует использования подобных технологий. Один из них связан с обработкой изображений, полученных с помощью разных методов исследований организма – рентгенографии и рентгеновской томографии (РКТ), ультразвукового исследования (УЗИ), магнитно-резонансной томографии (МРТ) и др.

Сегодня уже есть и вполне успешно применяются электронные устройства и программные средства, способные решать относительно простые задачи такого рода. Например, удалять ненужные элементы на томографических снимках – волосы пациента, повязки, сделанные ему ранее и т.п.

Аналогичные системы применяются и для удаления технических артефактов, которые неизбежно возникают во время съемки. Как известно, съемка стандартной технологии МРТ занимает около трех минут, а в ряде случаев пакет томографических технологий может занимать до часа. Естественно, на протяжении этого времени пациент дышит, и при дыхании его координаты смещаются на несколько миллиметров, что неизбежно отражается на снимках, которые делает томограф и которые потом объединяются в один пакет. И такие изменения координат значительно затрудняют последующий анализ изображения. Система с искусственным интеллектом осуществляет выравнивание всех срезов (снимков) в пакете по анатомическим координатам и выстраивает адекватную 3D-модель.

Технологии не стоят на месте и, по мере их развития, вместе с ними расширяется и круг задач, в решении которых может помочь нейросеть.

Ведутся подобные исследования и в Новосибирском государственном университете. В лаборатории аналитики потоковых данных и машинного обучения Механико-математического факультета НГУ сосредоточились на использовании машинного зрения для обработки снимков, полученных с помощью МРТ. Эта работа проводится в рамках программы «Приоритет – 2030».

Это гораздо более сложная задача, чем обработка снимков, сделанных методами классической рентгенографии или РКТ, поскольку их сложнее стандартизировать. Разные модели томографов отличаются по уровню индукции магнитного поля, типу исходного сигнала и еще ряду технологических параметров. И все это выливается в отличия на итоговом изображении, глаз врача относительно легко подстраивается под особенности конкретного аппарата, а вот научить этому нейросеть гораздо сложнее. Но по мере распространения технологии МРТ в здравоохранении растет и потребность в системах, которые могли бы взять на себя первичный анализ таких изображений, выступая помощником лечащего врача.

К примеру, магнитно-резонансная томография сегодня наиболее распространенный метод первичной неинвазивной диагностики опухолей головного мозга и контроля за динамикой заболевания. Сотрудники лаборатории работают над созданием системы искусственного интеллекта для дифференциальной диагностики новообразований головного мозга на МРТ-изображениях.

«Наш программный модуль не заменит врача, ставить диагнозы и назначать лечение должен только человек, но искусственный интеллект станет для него полезным помощником, предоставит информацию, сделает необходимые акценты, выделит значимые моменты», ─ рассказал заведующий лабораторией потоковых данных и машинного обучения Механико-математического факультета НГУ Евгений Павловский.

Модуль встроили в свободно распространяемое программное обеспечение, которое известно среди радиологов как удобный инструмент для изучения трехмерных МРТ-изображений. Разработка новосибирских ученых выступает как его клиентская часть: отсылает на сервер МРТ-снимки и получает в качестве ответа результат сегментации и классификации опухоли. В результате, удается с высокой точностью обнаруживать и распознавать четыре типа новообразований (менингиома, невринома, глиобластома и астроцитома), а также выделять их компоненты и размеры.

Как известно, нейросети с машинным зрением используют в работе принцип подобия и обучаются на основе ранее описанных изображений, чем точнее и детальнее на них представлен диагноз, чем больше параметров для сравнения можно использовать, тем выше вероятность, что система правильно распознает его на снимках других пациентов. Свой модуль ученые НГУ обучали на сформированном в лаборатории совместно с Федеральным центром нейрохирургии (г. Новосибирск) наборе данных, где содержится информация о более тысячи пациентах нейрохирургического профиля с постоперационными диагнозами, достоверно подтвержденными классическими методами (гистология и др.).

«Затем на этой базе мы обучили алгоритмы искусственного интеллекта и добились высокой степени подтверждаемости результатов обработки снимков с их помощью. Обучение системы продолжается и надеемся, в будущем она сможет заменить человека в выполнении рутинных процессов при определении контуров и типов опухолей головного мозга на МРТ-изображениях», — продолжил Евгений Павловский.

Параллельно с совершенствованием навыков нейросети в обработке снимков опухолей, сотрудники лаборатории занимаются расширением круга задач, которые можно решать с помощью искусственного интеллекта. Речь идет уже о создании алгоритмов компьютерного зрения для диагностики инфекционных заболеваний (детектирование, сегментация, классификация и трекинг: в пространстве и времени) по данным комплекса методик компьютерной томографии и рентгенографии.

Партнерами университета в этой работе стали несколько институтов и исследовательских учреждений: Новосибирский научно-исследовательский институт туберкулеза, Федеральный центр нейрохирургии, научно-исследовательский институт клинической и экспериментальной лимфологии СО РАМН, Институт медицины и психологии В. Зельмана, а также производители рентгеновских аппаратов и МРТ-комплексов.

«Проблема заболеваемости туберкулезом остро стоит в Сибири и на Дальнем Востоке. Не меньшую актуальность имеют и другие серьезные патологии легких. Наш проект стартовал в июле этого года и пока находится на начальной стадии реализации. Сейчас мы работаем в сотрудничестве с Новосибирским научно-исследовательским институтом туберкулеза, помогаем его специалистам подготовить данные для обучения алгоритмов, вместе с ними создаем необходимую для этого базу данных», — объяснил заведующий лабораторией.

В чем-то эта задача даже проще, чем обработка снимков МРТ. Как известно, рентгеновское излучение имеет достаточно узкий спектр и мощность сигнала в этом спектре достаточно несложно оцифровать. Также медицина располагает набором количественных показателей рентгеновской плотности (радиоденсивности) различных материалов и биологических объектов — шкалой Хаунсфильда. Причем, она является одинаковой для всех типов оборудования, используемого в рентгенографии и РКТ. Поэтому, используя ее, система без труда и достаточно точно определит, где на снимке находится кость, где — жидкость, где – мягкие ткани и т.д.

Но по ходу работы, пришлось решать ряд других непростых задач. Сначала рассматривался вариант о создании программного модуля, интегрированного в оборудование, но сейчас исследователи нацелились на создание программного обеспечения, которое могло бы применяться в любом лечебном и диагностическом медицинском учреждении при использовании уже имеющихся у них томографов. Это будет способствовать более массовому применению их системы, считают ученые.

Как и в случае с опухолями, ученые хотят интегрировать все эти задачи в комплексное решение, чтобы искусственный интеллект выполнял рутинные задачи – отличал здоровые легкие от пораженных болезнью, находил локализацию патологических образований, очерчивал контуры очагов заболевания и определял их расположение относительно ребер и позвонков, «подсвечивал» области особого внимания и «предлагал» возможный диагноз на основании опыта многих врачей, на котором его и обучают.

Параллельно идет дальнейшее совершенствование комплекса, обрабатывающего результаты МРТ-диагностики, теперь его обучают распознавать и локализовать не только опухоли головного мозга, но и очаги нейродегенеративных заболеваний на примере рассеянного склероза. Эта часть исследований финансируется уже грантом Российского научного фонда.

«В ближайшее время мы хотим собрать наши решения по МРТ в единый программный комплекс и вместе с системой по диагностике туберкулеза опробовать их в лечебных учреждениях Москвы, Новосибирска и Санкт-Петербурга. Предварительные договоренности об этом уже достигнуты», ─ подытожил Евгений Павловский.

Надо понимать, что пока речь идет только об испытаниях программного комплекса и предстоит еще немало сделать перед тем, как разработка новосибирских ученых войдет в клиническую практику, став частью традиционных диагностических методов здравоохранения.

Вместе с испытаниями уже созданных программных комплексов, в лаборатории продолжают вести дальнейшие исследования в области использования компьютерного зрения для решения задач медицинской диагностики. Сотрудники лаборатории надеются, что их возможности расширятся вместе с введением в строй объектов университетского кампуса мирового уровня, который строится на средства нацпроекта «Наука университеты». Как известно, к ним относятся научно-исследовательский корпус и учебно-научный центр Института медицины и психологии, выступающего одним из партнеров лаборатории в этой работе.