Исследователи обучают ИИ диагностировать заболевания легких с точностью 96,57%

Искусственный интеллект (ИИ) может стать лучшим другом рентгенолога: исследователи обучат технологию точной диагностике пневмонии, COVID-19 и других заболеваний легких.

Новое исследование ученых из Университета Чарльза Дарвина (CDU), Объединенного международного университета и Австралийского католического университета (ACU) описывает разработку и обучение модели искусственного интеллекта для анализа видеозаписей УЗИ легких и диагностики респираторных заболеваний .

Исследование опубликовано в журнале Frontiers in Computer Science .

Модель работает, исследуя каждый видеокадр, чтобы найти важные характеристики легких, и оценивая порядок видеокадров, чтобы понять закономерности изменения легких с течением времени.

Затем модель выявляет конкретные закономерности, указывающие на различные заболевания легких , и на основе этой информации классифицирует ультразвуковое исследование по диагностической категории, например: норма, пневмония, COVID-19 и другие заболевания легких.

Соавтор и доцент CDU Ниуша Шафиабади заявила, что точность модели составляет 96,57%, а анализы ИИ были проверены медицинскими специалистами.

«Модель также использует методы искусственного интеллекта, чтобы показать рентгенологам, почему она приняла те или иные решения, что позволяет им легче доверять результатам и понимать их», — сказал доцент Шафиабади.

Модель использует объяснимый ИИ — метод, который позволяет пользователям-людям понимать и доверять результатам, полученным с помощью алгоритмов машинного обучения.

«Объясняемость предлагаемой модели направлена ​​на повышение надежности этого подхода», — сказал доцент Шафиабади.

«Система показывает врачам, почему она приняла те или иные решения, используя визуальные данные, такие как тепловые карты. Этот метод интерпретации поможет рентгенологу локализовать зону фокусировки и существенно повысит клиническую прозрачность.

«Эта модель помогает врачам быстро и точно диагностировать заболевания легких, помогает им принимать решения, экономит время и служит ценным инструментом обучения».

Доцент Шафиабади сказал, что при наличии соответствующих данных модель можно обучить выявлять больше заболеваний, таких как туберкулез, черный легкий, астма, рак, хронические заболевания легких и легочный фиброз.

Исследование проводилось под руководством исследователей из Объединенного международного университета в Бангладеш совместно с исследователями CDU доктором Асифом Каримом, доктором Сами Азамом, доктором Кхенгом Чер Йео, профессором Фрисо Де Буром и доцентом Ниушей Шафиабади, которая также является исследователем из ACU.

Потенциальные направления исследований включают обучение модели оценке других изображений, таких как компьютерная томография и рентгенография.