Искусственный интеллект в медицине и биологии. Обзор за июнь 2019

Это ежемесячный обзор наиболее важных и интересных новостей от экспертной группы проекта Технологии Долголетия по направлению “Искусственный интеллект в медицине и биологии”
Общее быстрое развитие технологий, исследований и разработок в области применения искусственного интеллекта (ИИ) приводит к появлению соответствующих разработок в медицинских технологиях, росту инвестиции в проекты, связанные с ИИ, в медицине и биологии.

IT-компании активно создают биомедицинские подразделения, так как видят большой потенциал в применении ИИ для развития здравоохранения. Наиболее практическое применение находят технологии машинного обучения и нейросетей для создания систем автоматизированной диагностики заболеваний. Также развиваются технологии создания лекарственных препаратов на основе моделирования. Созданы и развиваются системы анализа биомаркеров различного типа. Огромную перспективу имеет создание моделей живых организмов, включая полную модель организма человека.


Нейросеть поможет снизить дозу излучения при компьютерной томографии

Американские ученые разработали на основе методов машинного обучения, для снижения дозы радиации во время процедуры МРТ за счет повышения качества изображения.
В основу алгоритма легла сверточная нейросеть, которая была обучена на одинаковых изображениях, полученных при стандартной дозе облучения и низкий (примерно в 10 раз). В результате чего удалось снизить шум и уменьшить количество артефактов.
Для оценки работы алгоритма были использованы томограммы брюшной полости и легких 60 пациентов после чего результаты были проанализированы специалистами-радиологами. Они сошлись во мнении, что реконструкция на основе алгоритма работает достаточно хорошо.
Стоит отметить, что для улучшения качества изображений, необходимо собрать больше данных и обучить на них нейросеть.

Источник: https://www.nature.com/articles/s42256-019-0057-9


Алгоритм HeadXNet поможет медикам в диагностировании церебральной аневризмы

Диагностика неразорвавшихся аневризм является критически важной клинической задачей: внутричерепные аневризмы встречаются у 1-3% населения и составляют более 80% нетравматических, угрожающих жизни субарахноидальных кровоизлияний. Первичной, минимально компьютерной томографией (КТА) является метод инвазивной визуализации, используемый в настоящее время для диагностики, наблюдения и предоперационного планирования внутричерепных аневризм 2,3, но интерпретация занимает много времени даже у обученных нейрорадиологов, прошедших специальную подготовку.

В этом исследовании была разработана модель глубокого обучения, позволяющая автоматически обнаруживать внутричерепные аневризмы на КТА и производить сегментацию с указанием областей, представляющих интерес, чтобы помочь клиницистам в интерпретации исследований КТА для диагностики внутричерепных аневризм. Сравнивались чувствительность, специфичность, точность, время до постановки диагноза и взаимное согласие для клиницистов с и без увеличения модели.
Разработанная модель глубокого обучения успешно выявила клинически значимые внутричерепные аневризмы на КТА. Это говорит о том, что интеграция диагностической модели с помощью искусственного интеллекта может повысить эффективность работы врача с надежными и точными прогнозами и тем самым оптимизировать уход за пациентом.

Источник: https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2735471


Нейросеть научили предсказывать шизофрению

Метод машинного обучения обнаружил скрытую подсказку в речи людей, предсказывающую позднее возникновение психоза – частое использование слов, связанных со звуком. Ученые из Университета Эмори и Гарвардского университета разработали новый метод машинного обучения для более точной количественной оценки семантического богатства разговорного языка людей, известного показателя психоза.
Их результаты показывают, что автоматический анализ двух языковых переменных – более частое использование слов, связанных со звуком и произношением с низкой семантической плотностью или неопределенностью – может предсказать, будет ли у подверженного риску человека впоследствии развиться психоз с точностью 93 процента.
Используя структурированные интервью и когнитивные тесты, обученные клиницисты могут прогнозировать психоз с точностью до 80% у пациентов с продромальным синдромом. Исследования в области машинного обучения являются одними из многих текущих усилий по оптимизации методов диагностики, выявлению новых переменных и повышению точности прогнозов.

Источник: https://esciencecommons.blogspot.com/2019/06/the-whisper-of-schizophrenia-machine.html


Российские программисты разработали приложение для распознавания меланомы

Команда российских программистов создала приложение для распознавания меланомы Check Melanoma, которое уже доступно для пользователей Android. Достаточно зарегистрироваться на сайте или скачать программу, после чего авторизоваться и создать личный кабинет, в котором можно подгружать фотографии подозрительных новообразований либо рентген легких, затем можно отправлять их на исследование. Также разработчики приложения рекомендуют загружать качественные снимки высоких разрешений, сделанные примерно на расстоянии 15 сантиметров с четким фокусом на участке кожи, который нужно проверить.
По результатам тестирования разработчики сообщили, что на данный момент статистика порядка 65-70 процентов верных «диагнозов» и в ближайших планах стоит цель собрать больше данных, изображений опухолей, совершенствовать нейросеть, чтобы впоследствии она могла определять не только меланому, но также рак груди и легких на ранних стадиях, а точность прогноза составляла 80-85 процентов.

Источник: https://naked-science.ru/article/medicine/sozdano-prilozhenie-s-pomoshchyu


Как квази-КТ помогает спланировать высокоточную лучевую терапию

Одним из наиболее эффективных способов лечения рака является лучевая терапия,  в основе которой лежит воздействие на опухоль ионизирующим излучением — электромагнитными волнами рентгеновского или гамма-диапазона — либо потоком элементарных частиц. Помимо того, что излучение влияет на раковую опухоль, оно также повреждает окружающие здоровые ткани. В связи с этим были проведены исследования и разработаны технологии по более точному планированию лучевой терапии.  В качестве решений рассматриваются максимальная концентрация излучения на пораженных клетках и его минимизация воздействия на здоровые ткани.

В данном случае метод магнитно-резонансной томографии (МРТ) помогает определить даже незначительные различия биологических свойств расположенных рядом тканей, провести между ними границу и выделить опухоль, а метод компьютерной томографии (КТ) предоставить информацию об электронной плотности для оценки требуемой дозы радиации

Но так как МРТ и КТ работают на разных уровнях вещества,  точный квантово-механический расчет КТ снимков по МРТ-изображениям пока не представляется возможным. Поэтому исследователи занимаются поиском нестрогих способов получения КТ-изображений, которые называются называются квази-КТ и могут быть использованы для составления плана лучевой терапии. 

Раньше для решения задачи перевода МРТ в квази-КТ использовались статистические методы. Они заключаются в предположении, что если МРТ изображения одной и той же части тела двух различных пациентов схожи, то схожими должны быть и соответствующие КТ-изображения. Поэтому, набрав большую базу знаний из парных МРТ и КТ-снимков, можно по одиночному МРТ-снимку делать предположения о том, как будет выглядеть соответствующий КТ-снимок. Искусственный интеллект позволяет значительно улучшить качество квази-КТ изображений по сравнению со статистическим подходом. В научно-исследовательской лаборатории Philips Research в Сколково активно развиваются два подхода для решения этой задачи.

Источник: https://naked-science.ru/article/column/kak-kvazi-kt-pomogaet-splanirovat


Искусственный интеллект помогает в выявлении инфаркта миокарда

Разработан алгоритм искусственного интеллекта (ИИ), способный точно выявлять инфаркт миокарда на нативных МР-изображениях. Технология выявляет особенности сокращений сердечной мышцы, определяя размер, местоположение и распространенность поражения. В рамках исследования, проведенного в Великобритании (n=299), не было выявлено статистически значимых различий между результатами МРТ с контрастным усилением (интерпретация опытных врачей-рентгенологов) и нативной МРТ сердца в тандеме с технологией ИИ. Чувствительность метода составила 89,8%, специфичность 99,1%.

Источникhttps://www.auntminnie.com/


Автор: Олеся Сидорова

Перепечатка разрешается при сохранении ссылок на источник публикации.

Добавить комментарий