Искусственный интеллект способен определять признаки болезни Альцгеймера даже при нехватке генетической информации. Исследователи из Гарварда применили российскую технологию, которая позволила увеличить точность диагностики когнитивных нарушений до 77%. Эта разработка может расширить возможности медицинских исследований, где каждый набор данных имеет значение. По мнению специалистов, искусственный интеллект может изменить подход к диагностике нейродегенеративных заболеваний, сосредоточив внимание на ранней профилактике. Однако на данный момент алгоритм только выявляет когнитивные нарушения, а не подтверждает диагноз болезни Альцгеймера, поэтому его использование возможно лишь как вспомогательный инструмент для врачей.
Улучшение работы ИИ при нехватке генетических данных
Исследователи из Гарварда и Университета штата Техас нашли способ усовершенствовать искусственный интеллект в изучении болезни Альцгеймера с помощью технологии, разработанной в «Яндексе» и НИУ ВШЭ. Основной проблемой таких исследований является нехватка генетических данных пациентов, необходимых для обучения нейросетей. Ученые показали, что частично решить эту задачу можно при помощи искусственно созданных данных, что повысило точность распознавания когнитивных нарушений, связанных с заболеванием.
Для эксперимента использовались генетические и демографические данные 542 человек. Нейросети могут выявлять сложные взаимосвязи между особенностями организма и заболеваниями, однако им требуется большое количество примеров для обучения. При недостатке данных алгоритм может запомнить особенности отдельных пациентов, а не научиться распознавать признаки болезни у других.
Открытая технология TabDDPM помогла решить эту проблему. Этот метод позволяет генерировать искусственные данные с помощью нейросети, изучающей закономерности в реальных данных и создающей новые записи, которые статистически схожи с существующими. В результате ученые смогли получить дополнительные комбинации генетических и демографических признаков, увеличив объем данных для обучения ИИ без привлечения новых участников.
Информация в статье носит справочный характер и не заменяет консультацию врача. Перед применением рекомендаций обратитесь к специалисту.
— Мы опубликовали исходный код TabDDPM в открытом доступе, поэтому исследователи и разработчики из разных стран могут использовать эту технологию для обучения своих моделей, — сообщил «Известиям» кандидат физико-математических наук Артем Бабенко.
Исследователи сравнили работу ИИ, обученного только на реальных данных, с моделью, использовавшей и искусственно созданные данные. Во втором случае нейросеть более точно различала людей с когнитивными нарушениями: показатель качества распознавания (AUC) увеличился с 0,721 до 0,769, а доля правильно выявленных случаев возросла с 68 до 77%. Это подтверждает, что синтетические данные могут повысить эффективность обучения медицинского ИИ, но они не заменяют наблюдение за реальными пациентами.
Использование новой технологии в медицине
Алгоритм не ставит диагнозы самостоятельно, а обучает нейросети, которые могут использоваться для диагностики. Искусственно созданные данные позволяют увеличить обучающую выборку без привлечения новых пациентов, что способствует повышению качества моделей и снижению вероятности ошибок при диагностике.
Искусственный интеллект может значительно изменить подходы к диагностике болезни Альцгеймера, сместив акцент на раннюю профилактику, отметил заместитель директора исследовательского центра ВШССН МГУ им. М.В. Ломоносова Тимофей Воронин.
— В отличие от традиционных тестов, алгоритмы машинного обучения анализируют большие объемы данных, включая МРТ, ПЭТ и генетические биомаркеры, что позволяет выявлять патологии за несколько лет до появления клинических симптомов. Это обеспечит быструю и неинвазивную процедуру для пациентов и устранит субъективный фактор для врачей, создавая критически необходимое время для начала терапии, — добавил он.
Эксперт также отметил, что потребность в таких решениях будет расти, так как глобальный дефицит квалифицированных радиологов способствует развитию рынка медицинского ИИ, объем которого к 2026 году превысит $2 млрд.
— В ближайшие годы рутинная расшифровка снимков и подготовка медицинских заключений будут переданы нейросетям, что позволит системе здравоохранения сосредоточиться на сложных клинических случаях, проверке данных и проведении операций, — заявил Тимофей Воронин.
По словам невролога Лусине Брсикян, главная ценность новой технологии заключается в повышении точности алгоритмов ИИ при ограниченных медицинских данных.
— Болезнь Альцгеймера — сложное заболевание, диагностика которого требует комплексной оценки. Использование синтетических данных позволяет обучать нейросети на более разнообразных сочетаниях генетических и демографических признаков, даже при небольшой выборке пациентов. Это может способствовать созданию более точных инструментов для раннего выявления когнитивных нарушений, — отметила врач.
Важно учитывать, что в данном исследовании алгоритм лишь выявляет когнитивные нарушения, а не подтверждает диагноз болезни Альцгеймера. Поэтому говорить о готовом диагностическом методе пока рано, добавила невролог. В будущем такие алгоритмы могут стать вспомогательными инструментами для врачей, помогая выявлять пациентов с высоким риском когнитивных нарушений и учитывая сложные взаимосвязи между генетическими факторами и клиническими проявлениями болезни.
Фото: hi-tech.mail.ru
Материалы проходят проверку с учетом современных клинических рекомендаций, научных данных и практического опыта врачей. Основная задача Медколлегии — обеспечить достоверность, актуальность и понятность медицинской информации для пользователей.