ИИ улучшает диагностику ранних стадий болезни Альцгеймера
Искусственный интеллект (ИИ) способен обнаруживать признаки болезни Альцгеймера даже в условиях нехватки генетической информации. Исследователи из Гарвардского университета применили российскую технологию, которая увеличила точность выявления когнитивных нарушений до 77%. Эта технология может значительно расширить потенциал медицинских исследований, где важен каждый набор данных. Врачи отмечают, что ИИ может изменить подходы к диагностике нейродегенеративных заболеваний, сосредоточив внимание на ранней профилактике.
Обучение ИИ при нехватке генетических данных
Гарвардские ученые и специалисты из Университета штата Техас разработали метод улучшения работы ИИ при анализе болезни Альцгеймера, используя технологию «Яндекса» и факультета компьютерных наук НИУ ВШЭ. Основной проблемой в таких исследованиях является недостаток генетических данных, необходимых для обучения нейросетей. Исследователи продемонстрировали, что частично решить эту проблему можно, применяя искусственно созданные данные, что позволило повысить точность распознавания когнитивных расстройств.
В эксперименте использовались генетические и демографические данные 542 участников. Нейросети способны выявлять сложные связи между характеристиками организма и заболеваниями, но для их обучения нужно много примеров. При недостаточном количестве данных алгоритм может запомнить особенности отдельных пациентов вместо того, чтобы научиться распознавать признаки болезни у других.
Проблему помогла решить открытая технология TabDDPM, которая генерирует искусственные данные на основе закономерностей реальной информации. Ученые создали дополнительные сочетания генетических и демографических характеристик, что увеличило объем данных для обучения ИИ без необходимости привлечения новых участников.
— Мы сделали исходный код TabDDPM доступным для всех, поэтому исследователи и разработчики могут использовать эту технологию для обучения своих моделей, — сообщил кандидат физико-математических наук Артем Бабенко.
Исследователи сравнили эффективность ИИ, обученного только на реальных данных, с моделью, использующей дополнительно искусственно созданные сведения. Во втором случае нейросеть лучше различала людей с когнитивными нарушениями и без них, повысив показатель качества распознавания (AUC) с 0,721 до 0,769, а правильное выявление случаев нарушений возросло с 68% до 77%. Результаты показали, что синтетические данные способны повысить эффективность обучения медицинского ИИ, но не могут заменить наблюдение за реальными пациентами.
Применение новой технологии в медицине
Алгоритм не ставит диагнозы, а обучает нейросети, которые могут использоваться для диагностики, пояснили разработчики. Искусственно созданные данные позволяют увеличить обучающую выборку без добавления новых пациентов, что может повысить качество моделей и снизить вероятность ошибок в распознавании заболеваний.
ИИ может значительно улучшить диагностику болезни Альцгеймера, сместив акцент на раннюю профилактику, отметил заместитель директора исследовательского центра ВШССН МГУ Тимофей Воронин.
— В отличие от традиционных тестов, алгоритмы машинного обучения анализируют большие объемы данных, включая МРТ и ПЭТ, выявляя патологии за несколько лет до появления клинических симптомов. Это обеспечивает быструю и неинвазивную процедуру для пациентов и помогает врачам избежать субъективных решений, предоставляя возможность для раннего начала терапии, — добавил он.
Эксперт отметил, что спрос на подобные технологии будет расти из-за нехватки квалифицированных радиологов. Ожидается, что объем рынка медицинского ИИ в 2026 году превысит 2 миллиарда долларов.
— В ближайшие годы рутинная расшифровка снимков и оформление медицинских заключений могут быть полностью переданы нейросетям, что позволит медицинским работникам сосредоточиться на более сложных случаях, — подчеркнул Тимофей Воронин.
Ключевое преимущество предложенной технологии заключается в повышении точности алгоритмов ИИ при работе с ограниченными медицинскими данными, отметила врач-невролог Лусине Брсикян.
— Болезнь Альцгеймера требует комплексной оценки, включая когнитивные функции и результаты нейровизуализации. Использование синтетических данных позволяет обучать нейросети на более разнообразных сочетаниях признаков, что может способствовать созданию более точных инструментов для выявления когнитивных нарушений, — заключила врач.
Тем не менее, следует учитывать, что в этом исследовании алгоритм распознавал когнитивные нарушения, а не ставил диагноз болезни Альцгеймера. Поэтому говорить о готовом диагностическом методе пока рано. В будущем такие алгоритмы могут быть дополнительным инструментом для врачей при выявлении пациентов с высоким риском когнитивных нарушений, требующих углубленного обследования.
Фото: science.mail.ru