В НовГУ обучили нейросеть точно выявлять COVID-19 и рак легких по КТ-снимкам

В Новгородском государственном университете разработали нейросеть, способную выявлять COVID-19, рак и другие заболевания легких КТ-снимкам. Об этом "Газете.Ru" сообщили в пресс-службе вуза.

Система анализирует трехмерные изображения компьютерной томографии — это послойные снимки, позволяющие детально рассмотреть структуру легких.

"Обычно расшифровкой снимков занимается врач-рентгенолог. Однако, если данных слишком много — например, при обследовании сотрудников большого предприятия — у специалиста уйдет огромное количество времени на проверку", - пояснил создатель разработки, старший преподаватель кафедры информационных технологий НовГУ Игорь Кулаков.

По его словам, модель ориентирована в первую очередь на использование в энергетической отрасли, где важно регулярно контролировать состояние здоровья сотрудников.

Одной из ключевых проблем при создании медицинских ИИ-систем является нехватка данных для обучения. Чтобы обойти это ограничение, исследователи применили метод так называемого трансферного обучения. Это означает, что нейросеть, изначально обученную на других задачах, адаптировали под медицинские изображения.

В частности, была использована архитектура, ранее обученная распознавать действия на видео. Она уже "умела" выделять сложные пространственные и временные закономерности, что оказалось полезным и при анализе трехмерных КТ-снимков.

Для обучения использовали 1815 исследований, полученных из открытых источников и медицинских организаций. Нейросеть обучали в два этапа: сначала она проходила базовое обучение, затем — тонкую настройку параметров.

В результате система достигла точности около 90,9% при распознавании трех состояний: нормы, COVID-19 и рака легких.

По словам разработчика, наибольшую точность модель показала при выявлении онкологических заболеваний. Ошибки в основном возникали при различении ранних стадий COVID-19 и нормы, однако их количество снижалось по мере обучения.

Предполагается, что система может быть интегрирована в программы профосмотров на предприятиях. Она позволит быстрее выявлять пациентов с подозрением на заболевания, оптимизировать маршрутизацию и снизить экономические потери из-за болезней сотрудников.

Кроме того, создан прототип сервиса, где пользователи могут самостоятельно загрузить КТ-снимки для первичной оценки. В дальнейшем разработчики планируют запатентовать технологию.