Российские ученые научили нейросеть работать по принципу мозжечка. Теперь она надежнее справляется с «грязными» МРТ-снимками сердца.
Разработка МФТИ должна помочь хирургам точнее готовиться к операциям при фибрилляции предсердий.
Хотите еще эксклюзивных новостей и аналитики? Подписывайтесь на наш телеграм-канал, обсуждайте новости и делитесь мнениями о последних событиях рынка в чате!
Зачем врачам понадобился новый алгоритм
Перед лечением фибрилляции предсердий пациенту делают МРТ сердца, а затем на снимках обводят границы левого предсердия. От точности этой разметки зависит, насколько успешно пройдет катетерная абляция. В ходе процедуры врачи находят участок сердечной мышцы, который провоцирует аритмию, и воздействуют на него лазером, радиоволнами или жидким азотом.
Проблема в том, что простые нейросети для обработки изображений плохо определяют контуры предсердия. Поэтому клиникам приходится использовать сложные трехмерные модели, а им нужно много памяти и серьезные вычислительные мощности. К тому же в реальной больнице снимки редко бывают чистыми: на них хватает шумов и артефактов.
По словам заведующей лабораторией экспериментальной и клеточной медицины МФТИ Валерии Цвелой, для клиники стабильность алгоритма важнее всего. Новая модель по базовой точности почти не проигрывает конкурентам, но выдает одинаковый результат даже при смене томографа или режима съемки.
Как устроен «мозжечок» внутри нейросети
В человеческом мозге мозжечок прогнозирует, в каком состоянии окажется кора. Разработчики перенесли эту идею в архитектуру своей системы. Как объяснила инженер МФТИ Екатерина Костина, в модели есть рекуррентный блок, который играет роль коры и обрабатывает данные. Рядом с ним работает «мозжечковый» модуль: он предугадывает, какими станут скрытые признаки изображения на следующем этапе. За счет этого нейросеть заранее вносит поправку и не сбивается, даже если на вход поступают искаженные данные.
Испытания показали, что на зашумленных снимках точность сегментации заметно выросла. Обработка одного изображения занимает около 18 миллисекунд. Сложным 3D-алгоритмам на ту же задачу нужны десятки секунд, то есть разница составляет примерно три порядка. Кроме того, модели хватает около 100 МБ видеопамяти, поэтому ее можно запускать на довольно простом оборудовании.
ИИ в медицине РФ
Разработка МФТИ продолжает ряд российских проектов, в которых ИИ помогает врачам. Например, ранее специалисты новосибирского центра «Вектор» представили модели машинного обучения, которые по генетическому коду определяют, через какой рецептор ВИЧ-1 заражает клетку. Их обучили примерно на 13 тыс. последовательностей вируса и впервые проверили на вариантах, распространенных в России. Для одного из них точность достигла около 90%.
Самый крупный проект пока остается за «МосМедИИ». К платформе подключено больше 2 тыс. поликлиник из 75 регионов, а ее алгоритмы, по словам Сергея Собянина, изучили уже свыше 16 млн лучевых исследований.
Интерес к теме проявляют и крупные ИТ-компании. Летом «Яндекс» зарегистрировал ООО «Яндекс мед». Компания разрабатывает цифрового помощника, который расшифровывает разговор врача с пациентом, ищет сведения в базе знаний и готовит выписку из истории болезни.
