В гостях у программы «Утро в Петербурге» Денис Степаненко, магистрант факультета компьютерных технологий и информатики СПбГЭУ «ЛЭТИ».
Николай Растворцев, ведущий: В Петербурге разработали нейросеть, которая за несколько минут анализирует КТ-снимки и помогает выявлять рак молочной железы на ранних стадиях. Такая технология может снизить вероятность ошибки, замечательно ускорить диагностику, сохраняя время, а значит, и жизнь.
Мария Новикова-Охонская, ведущая: Как создают и обучают медицинские нейросети, узнаем прямо сейчас. Рак молочной железы – действительно одно из самых распространённых онкологических заболеваний и входит в число самых смертельных среди онкологических заболеваний как в России, так и в мире. Очень важно вовремя заподозрить болезнь, пройти обследование, в частности КТ. Врач может анализировать такие снимки долгое время. Ваша технология позволяет сделать это в самые кратчайшие промежутки. Где здесь помогает искусственный интеллект, каким образом он интегрируется в эту работу?
Денис Степаненко, магистрант факультета компьютерных технологий и информатики СПбГЭУ «ЛЭТИ»: Да, рак молочной железы – это самый распространённый рак среди раков, в принципе, как вы сказали, он занимает пятую часть всех случаев. Здесь на помощь действительно приходит искусственный интеллект в том плане, что врачу приходится анализировать очень много исследований в день. Каждое исследование содержит, в среднем, порядка 100 срезов, это двумерные изображения. Врачу приходится выявлять даже мельчайшие новообразования. Рак молочной железы бывает многоочаговый, поэтому врачу следует найти все образования, чтобы можно было подготовить грамотный оперативный план.
Николай Растворцев, ведущий: Как вы сами эту систему оцениваете? Это помощник, подсказчик? Или, может быть, это уже почти готовое решение? В медицине говорят, второе мнение никогда не мешало. Но насколько эта система берёт на себя ответственность, которую может взять человек-врач?
Денис Степаненко, магистрант факультета компьютерных технологий и информатики СПбГЭУ «ЛЭТИ»: Если мы говорим про ответственность, то нейронная сеть на себя ответственность никакую не берёт. Последнее решение всё-таки остаётся за врачом. Нейронная сеть в данном случае выступает как рабочая лошадка. Можно сказать: «Доверяй, но проверяй». Это наиболее простое описание.
Мария Новикова-Охонская, ведущая: Любая нейросеть должна на чём-то учиться, чтобы потом что-то рекомендовать. Каким образом вы строите этот образовательный процесс для вашей разработки? Какие данные в неё загружаются? К какому объёму снимков имеет доступ эта технология?
Денис Степаненко, магистрант факультета компьютерных технологий и информатики СПбГЭУ «ЛЭТИ»: Данные мы получали с НМИЦ Алмазова, которые были предоставлены под руководством Батик Анны Владимировны, заведующей кафедрой лучевой диагностики. Мы совместно со студенткой 6-го курса Чубаровой Марией собрали эти данные, проанализировали, обработали, сделали аугментацию. Простыми словами, это искусственное расширение набора данных. Когда мы делаем повороты изображений, урезаем их, изменяем яркость, для нейронной сети подаётся большее количество изображений, и она лучше распознаёт различные случаи. Далее происходит обучение, выбирается архитектура. Мы выбрали Swin UNETR архитектуру. Её преимущество в том, что она замечает детали разного масштаба. Если есть изображение с опухолью определённой формы, нейронная сеть может распознавать её при разном масштабе. Далее трансформер позволяет выделять взаимосвязи на изображении. Изображение делится на маленькие части, и модель выявляет связи между ними. Таким образом архитектура учитывает все эти данные.
Николай Растворцев, ведущий: Насколько мы знаем, технология может снизить вероятность клинической ошибки на 20%. Как вы относитесь к такой цифре? Это много или мало? Это предел или отправная точка? Есть ли вероятность ошибки самой системы?
Денис Степаненко, магистрант факультета компьютерных технологий и информатики СПбГЭУ «ЛЭТИ»: 20% – это верхний предел, который мы оценивали. В среднем это около 13%. Мы использовали формулу с различными коэффициентами. Это не исследование, а оценочное значение. Реальный результат мы ожидаем в диапазоне от 0 до 20%.
Николай Растворцев, ведущий: А вероятность ошибки у системы есть?
Денис Степаненко, магистрант факультета компьютерных технологий и информатики СПбГЭУ «ЛЭТИ»: Да, есть. В основном в тех случаях, которые не были представлены в обучающем наборе данных, то есть которые она не видела.
Мария Новикова-Охонская, ведущая: Можно ли адаптировать вашу технологию для других видов онкологии или других заболеваний?
Денис Степаненко, магистрант факультета компьютерных технологий и информатики СПбГЭУ «ЛЭТИ»: Да, можно. Архитектура общедоступная, её можно использовать для разных задач. Главное – наличие данных.
Николай Растворцев, ведущий: Как вы оцениваете перспективу появления вашей разработки в практике?
Денис Степаненко, магистрант факультета компьютерных технологий и информатики СПбГЭУ «ЛЭТИ»: В данный момент проходит второе тестирование. Мы обновляем архитектуру, используем более современную, лёгкую, более производительную и менее затратную в обслуживании. Также расширяем набор данных. После этого планируем выйти в продакшн-среду, запустить систему в НМИЦ Алмазова и посмотреть, как она будет работать в реальных условиях. Далее – получение необходимых разрешений.
