Наскільки штучний інтелект ефективний для діагностики рідкісних захворювань

Нова модель схожа на пошукову систему для великих баз даних патологій, має потенціал для ідентифікації рідкісних захворювань та методів їх лікування.

Про це повідомляє сайт новин Волині «Конкурент» з посиланням на Technology.org.

Рідкісні захворювання часто дуже важко діагностувати. Дослідники з лабораторії Махмуда Гарвардської медичної школи та жіночої лікарні Бригама розробили алгоритм глибокого навчання, який допомагає вивчати функції, які потім можна використовувати для пошуку подібних випадків у великих сховищах зображень патології.

SISH (самоконтрольований пошук зображень для гістології) – новий інструмент, який виявляє рідкісних захворювань і допомагає лікарям у визначенні пацієнтів, які, ймовірно, відповідатимуть на певну терапію. Стаття з описом алгоритму самонавчання опублікована в Nature Biomedical Engineering.

Старший автор Фейсал Махмуд, доцент кафедри патології HMS в Brigham and Women's, наголошує, що ця система може допомогти в діагностиці рідкісних захворювань, а також дає змогу покращити вивчення патології, визначення підтипів захворювань, ідентифікації пухлин і ідентифікації рідкісних морфологічних ознак.

Сучасні електронні бази даних можуть зберігати величезну кількість записів і еталонних зображень. Однак розмір та постійно зростаюча кількість зображень у великих сховищах означає, створюють невелику проблему. Це означає, що пошук і отримання даних можуть бути повільними та складними.

Для вирішення вище зазначеної проблеми було розроблено SISH, який незалежно від розміру бази даних працює з постійною швидкістю. У своєму дослідженні дослідники перевірили швидкість та здатність SISH отримувати інформацію про підтипи захворювань для поширених та рідкісних видів раку.

Швидкість пошуку перевершила інші методи в багатьох сценаріях, включаючи пошук підтипу захворювання. Навіть коли розмір сховищ збільшувався, SISH все ще міг підтримувати постійну швидкість пошуку.

Однак, алгоритм має певні обмеження, а саме: велику вимогу до пам’яті, обмежене усвідомлення контексту у великих слайдах тканин і той факт, що він обмежений одним способом візуалізації.

Загалом, алгоритм продемонстрував здатність отримувати зображення незалежно від розміру сховища та в різноманітних наборах даних. Варто зазначити, що він також може діагностувати рідкісні типи захворювань і слугує пошуковою системою для розпізнавання певних областей зображень, які можуть бути доречними для діагностики.

«Оскільки розміри баз даних зображень продовжують зростати, ми сподіваємося, що SISH буде корисним для полегшення визначення захворювань», – сказав Махмуд. «Ми вважаємо, що одним із важливих майбутніх напрямків у цій галузі є мультимодальний пошук випадків, який передбачає спільне використання даних патології, радіології, геномних та електронних медичних записів для пошуку схожих випадків пацієнтів».