Когда в возрасте 40 лет у Риджины Барзилай была обычная маммография, изображение показало сложный ряд белых пятен в ткани ее груди. Оценки могут быть нормальными или злокачественными — даже лучшие радиологи часто пытаются понять разницу. Ее врачи решили, что пятна не сразу вызывают беспокойство. Оглядываясь назад, она говорит: «У меня уже был рак, а они его не видели».
В течение следующих двух лет Барзилай перенесла вторую маммографию, МРТ молочной железы и биопсию, и все это продолжало давать неоднозначные или противоречивые результаты. В конце концов, в 2014 году ей поставили диагноз рак молочной железы, но путь к этому диагнозу был невероятно разочаровывающим. «Как ты делаешь три теста и получаешь три разных результата?» — удивилась она.
купить праваБарзилай лечилась и добилась выздоровления. Но она оставалась в ужасе от того, что неуверенность в чтении маммографии может задержать лечение. «Я поняла, в какой степени мы не защищены нынешними подходами», — говорит она, и поэтому она приняла решение, меняющее карьеру: «Я обязательно должна это изменить».
Ученый-компьютерщик из Массачусетского технологического института, Барзилай, никогда раньше не изучал здоровье. В ее исследованиях использовались методы машинного обучения — форма искусственного интеллекта — для обработки естественного языка. Но она искала новое направление исследований и решила объединиться с радиологами для разработки алгоритмов машинного обучения, которые используют превосходный компьютерный визуальный анализ, чтобы обнаружить тонкие узоры в маммограммах, которые человеческий глаз может пропустить.
В течение следующих четырех лет команда преподавала компьютерную программу для анализа маммограмм примерно 32 000 женщин разных возрастов и рас и рассказала, какие женщины были диагностированы с раком в течение пяти лет после сканирования. Затем они проверили возможности компьютера на соответствие 3800 пациентам. Их итоговый алгоритм, опубликованный в мае прошлого года в радиологии, был значительно более точным в прогнозировании рака или его отсутствия, чем методы, обычно используемые в клиниках.
Алгоритмы ИИ не только обнаруживают детали, слишком тонкие для человеческого глаза. Они также могут разработать совершенно новые способы интерпретации медицинских изображений, иногда способами, которые люди не понимают. Многочисленные исследователи, начинающие компании и производители сканеров, разрабатывающие программы по ИИ, надеются, что они смогут повысить точность и своевременность диагностики, обеспечить лучшее лечение в развивающихся странах и отдаленных регионах, где не хватает радиологов, выявить новые связи между биологией и болезнями и даже помочь предсказать, как скоро человек умрет.
Приложения для искусственного интеллекта поступают в клиники быстрыми темпами, и врачи с равным энтузиазмом встречают эту технологию в отношении ее способности снизить нагрузку и боятся потерять работу из-за машин. Алгоритмы также поднимают беспрецедентные вопросы о том, как регулировать машину, которая постоянно учится и изменяется, и кто виноват, если алгоритм поставит неправильный диагноз. Тем не менее, многие врачи воодушевлены обещанием программ ИИ. «Если эти модели могут быть достаточно проверены, и мы сможем повысить наш уровень понимания того, как они работают, это может помочь повысить уровень медицинского обслуживания для всех», — говорит Мэтью Лунгрен, радиолог из Стэнфордского университета.
Идея использования компьютеров для чтения рентгенологических снимков не нова. В 1990-х годах рентгенологи начали использовать программу под названием компьютерная диагностика (CAD) для выявления рака молочной железы на маммограммах. Технология была названа революционной, и клиники быстро ее приняли. Но CAD оказался более трудоемким и сложным в использовании, чем существующие методы, и согласно некоторым исследованиям, клиники, которые использовали его, допускали больше ошибок, чем те, которые этого не делали. По словам Виджая Рао, радиолога из Университета Джефферсона в Филадельфии, из-за этой неудачи многие врачи сомневаются в компьютерной диагностике.
Свежие комментарии