Bildverarbeitung und Medizin

Fünf Jahre sind vergangen, seit neuronale Netze in jedes Loch zu stecken begannen. Es gibt viele Beispiele, bei denen alles nahezu perfekt funktioniert - Biometrie, Erkennung technischer Informationen (Nummern, Codes), Klassifizierung und Suche in einem Datenfeld.

Es gibt Bereiche, in denen sich alles verschlechtert, aber jetzt sind große Fortschritte zu verzeichnen - Sprach- / Texterkennung, Übersetzungen.



Aber es gibt mysteriöse Bereiche. Es scheint Fortschritte zu geben. Und Artikel werden regelmäßig veröffentlicht. Erst jetzt kommt es nicht wirklich zum praktischen Einsatz.

Schauen wir uns an, wie neuronale Netze und Bildverarbeitung in der Medizin funktionieren.

Eine kleine Reservierung . In dem Artikel werde ich nur über Machine Vision sprechen. In diesem Fall versuchen wir, etwas an einem Röntgenbild, einem Foto, einem Bild mit Ultraschall, CT / MRT usw. zu erkennen.
Dies sind Bereiche, die sich in den letzten Jahren stark verbessert haben. In anderen Bereichen ist alles etwas verwirrender / gerissener, ich möchte sie nicht berühren.

Kleiner Haftungsausschluss 2 . Ich möchte hier auf explizite Beispiele verzichten, wenn man die Gemeinschaften betrachtet, die für fast alle Neuronen gelten. Wenn Sie lesen möchten, was Neuronen in letzter Zeit in der Medizin gelernt haben, dann rate ich Ihnen:
Fluorogrammerkennung
Mammogrammerkennung
Retina
Hautkrebs

Und vieles mehr.

Teil 1 - mit einem Schlag

Die Medizin ist ein sehr spezifisches Gebiet des menschlichen Wissens. Im Gegensatz zu dem, was ich oben aufgeführt habe (Biometrie / Zahlen / Übersetzungen), gibt es eine Verantwortung. Wenn der Arzt klar durcheinander ist, schlägt die menschliche Gesellschaft vor, dass er fliegen sollte. Um nicht zu sagen, dass diese Installation immer durchgeführt wird. Aber es gibt ein bestimmtes Paradigma in den Köpfen der Ärzte und in den Köpfen der Gesellschaft. Mit wem auch immer Sie sprechen, die Leute denken immer in diesem Rahmen.

Und jetzt kommen wir mit unserem neuronalen Netzwerk. Und wir sagen: "Wir sagen mit der gleichen Genauigkeit voraus wie der Arzt!" (Nachfolgend werden wir diese Aussage im Detail betrachten). Der Arzt schaut sich ein Foto an - ca. Der zweite ist wunderschön. Aber am zehnten stimmt er der Meinung des Netzwerks nicht radikal zu. Der Arzt würde "misstrauisch" schreiben und das Netzwerk sagt "gesund". "Was ist das?!" - Der Arzt denkt. "Würden wir diesen Patienten wirklich rauslassen ?!"

Bei dem Ansatz "Neuronales Netzwerk + Arzt", bei dem das Ziel des Netzwerks darin besteht, "nach Pathologie zu suchen", kann die posteriore Verteilung global wie folgt aussehen:

1. Die Patientin hat eine Pathologie -> das neuronale Netz hat sie gefunden -> der Arzt hat sie gesehen (plus das Karma des Arztes)
2. Die Patientin hat eine Pathologie -> das neuronale Netzwerk hat sie nicht gefunden -> der Arzt hat sie gesehen (der Arzt glaubt "gut, sie haben hier Mist erfunden", abzüglich des Netzwerkkarmas)
3. Der Patient hat eine Pathologie -> das neuronale Netz konnte sie nicht finden -> der Arzt sieht auch nichts (jeder war ausgehöhlt, keine Bestrafung für irgendjemanden)
4. Der Patient hat eine Pathologie -> das neuronale Netzwerk hat sie nicht gefunden -> der Arzt sieht sie nicht (der Arzt denkt "gut, sie haben sich hier Mist ausgedacht", und dann sind die beiden Optionen "der Arzt ist sicher, dass er Recht hat", der Fund geht in den Müll und "der Arzt will die Verantwortung abschieben") - die Ernennung zusätzlicher Analysen / zusätzlicher Studien - und dann der Sieg)
5. Der Patient hat keine Pathologie -> das neuronale Netzwerk konnte sie nicht finden -> der Arzt sieht auch nichts (plus das Karma des Arztes)
6. Der Patient hat keine Pathologie -> das neuronale Netz hat es nicht gefunden -> der Arzt sieht etwas ("Was ist Ihr Neuron sieht nicht so offensichtliche Symptome, auch wenn es keine Pathologie hier war - auf jeden Fall zu überprüfen!")
7. Der Patient hat keine Pathologie -> das neuronale Netzwerk hat sie gefunden -> der Arzt hat auch etwas gefunden (alle sind sich einig, alles ist im Plus)
8. Der Patient hat keine Pathologie -> das neuronale Netz hat es gefunden -> der Arzt sieht nichts (wieder gibt es zwei Versionen der Ereignisse "der Arzt glaubt, dass er Recht hat" - und alles ist in Ordnung "der Arzt will die Verantwortung ablegen" - und startet die Forschungskette. Das Ergebnis ist ein verärgerter Arzt, dass ich wieder eine Reihe von Tests vereinbaren musste und es nichts gibt).

Fassen wir nun alle Ergebnisse zusammen: 1,3,5,7 - das aktuelle Studienprotokoll ändert sich nicht. Bei Screening-Studien sind dies 95% der Fälle. Das neuronale Netzwerk ändert nichts, und alle damit verbundenen Handlungen erschweren die Arbeit des Arztes => in dem globalen Sinne, in dem sie Druck auf das Negative ausüben.

Die Punkte 2 und 6 geben dem Karma neuronaler Netze ein unglaubliches Minus. Sie erzeugen jedes Mal ein klares Negativ, wenn sie auftreten.

Punkt 4 ist die einzige Situation, in der sich ein Neuron erholen kann. Aber sie muss durch die Negativität des Arztes gehen. Und es wird vollständig von Paragraph 8 getötet . Damit Ärzte verstehen, dass das Neuron wirksam ist, sollte die Anzahl der in Absatz 4 beschriebenen Fälle vergleichbar oder höher sein als in Absatz 8. Dies ist jedoch nur in Fällen möglich, in denen die Anzahl der Patienten mit Pathologie hoch ist. Für das Screening tritt dies nicht auf.

Die Realität sieht noch schlimmer aus, um ehrlich zu sein. Wenn das Neuron sieht, was nicht im Training war, aber was für den Arzt klar ist, wird es einige zufällige Antworten geben. Nun, zum Beispiel die Überreste komplexer medizinischer Eingriffe während der Fluorographie (Nähte / Prothesen / Fragmente). Und selbst wenn das Netzwerk statistisch besser ist als der Arzt, sieht der Arzt alle paar Wochen den gleichen offensichtlichen Fehler - er wird brennen.

Ok Wir sind zu dem Schluss gekommen, dass das neuronale Netz bei der Integration mit einem qualifizierten Arzt die Erkennung von Krankheiten praktisch nicht verbessern kann - es führt nur zu Problemen. Und lassen Sie uns darüber nachdenken, wie ein Neuron ohne einen Arzt vermasselt werden kann. Das eigentliche Problem der Kliniken in Russland sind viele minderwertige Spezialisten auf diesem Gebiet. Ich habe mit Ärzten von Federal Cent gesprochen - und es gibt zwei Beschwerden:

• Ärzte schicken im geringsten Zweifel zur Diagnose an die Bundeszentrale
• Ärzte sehen keine Tumoren auf dem Brustboden (wenig Erfahrung)

Es versteht sich, dass in solchen Situationen jedes neuronale Netzwerk eine um eine Größenordnung höhere Genauigkeit erzeugt als ein solcher Arzt.

Aber wenn Sie versuchen, sich für die Realität zu interessieren, wird alles etwas trauriger:

1. Die Gesetzgebung wird es nicht erlauben, einen Arzt vollständig zu ersetzen - wieder "wer wird verantwortlich sein"
2. Ein niederrangiger Arzt wird wahrscheinlich einen von zwei Wegen einschlagen:
   
   • Betrachten Sie sich als schlauer als das Netzwerk und hören Sie nicht auf seine Entscheidungen. Nach dem zu urteilen, was ich gesehen habe, wird es die Mehrheit geben.
   • Befolgen Sie ihre Entscheidungen voll und ganz. Das ist nicht schlecht, aber wir können den Arzt nicht zwingen, es bürokratisch zu tun, weil der Arzt derjenige ist, der dafür verantwortlich ist.
3. Auf niedrigem Niveau gibt es recht gute Ärzte - und das muss berücksichtigt werden. Solche Ärzte können den Ruf eines Programms untergraben und auf seine Fehler hinweisen.

Das Traurigste ist, dass dieses Problem der „geringen Qualifikation eines Arztes“ auf andere Weise gelöst wird, nicht in neuronalen Netzen. Ein kompetenter systematischer Ansatz mit ständiger Schulung eines Arztes / Eignungsprüfung / Aufbau einer Netzwerkinfrastruktur, damit ein Arzt mehrere Krankenhäuser gleichzeitig versorgen kann / Verdopplung für 2-3 Ärzte. Das Lösen dieses Problems mit neuronalen Netzen entspricht in etwa der Annäherung an die Autoreparatur mit den Worten "Ich habe eine Rolle Klebeband, warum nicht versuchen?".

Dieselbe DIT in Moskau ist auch auf dem Weg "Zuerst werden wir alles auf einen Ort reduzieren und es dann erkennen." Sie förderten ihre Entscheidung mit Neuronen auf Konferenzen. Aber sie beginnen genau mit Systemlösungen zu arbeiten. Neuronen werden später an solche Orte kommen, irgendwo, wo die Arbeit beschleunigt wird, irgendwo, wo die Qualität verbessert wird. Es ist notwendig, mit der Infrastruktur zu beginnen.

Natürlich gibt es eine Möglichkeit, dieses Problem teilweise mit einem Neuron zu verbinden. Überprüfen Sie automatisch alle in der Einrichtung aufgenommenen Bilder. Stellen Sie einen Schwellenwert so ein, dass fast keine falsch positiven Ergebnisse vorliegen (ja, lassen Sie 20% der Patienten überspringen). Und wenn wir sicher sind, dass der Patient krank ist, weisen Sie ihm unter Umgehung des Arztes zusätzliche Untersuchungen zu.
Es sieht einfach aus. In Wirklichkeit ist dies eine höllische Option: Sie zerstört die Logik der Entscheidungsfindung (der Patient wurde freigelassen, wie man ihn jetzt anruft), er zerstört den Ruf von Ärzten (wie mäht Wassili Petrowitsch ?!), Er ist für die Verwaltung inakzeptabel (wie man 20% überspringt ?!). Er wird nicht arbeiten, wenn die Ärzte kompetent sind. Für das Krankenhaus ist der Gewinn dieses Systems nicht klar, warum Geld für die Installation ausgeben. Und es ist nur möglich, wenn die medizinische Einrichtung bereits über ein gutes Informationssystem verfügt.

Aber die Hälfte der Projekte, auf die ich gestoßen bin, geht in diese Richtung ...

Eine weitere gute Option ist es, den Arzt hervorzuheben, was das Netzwerk sieht. Tumoren / Organe / einige Merkmale. Dies ist jedoch keine Priorität. Und vor allem brauchen Gerätehersteller es. Irgendwann werden solche „Assistenten“ in der Lage sein, den Standard vor Ort zu erfüllen. Dieser Ansatz erfordert keine strikte Lizenzierung, entlastet teilweise den Arzt, ist ein guter Wettbewerbsvorteil für das Gerät / die Software. Ich habe mehrere solcher Projekte gesehen. Aber auch hier geht es um etwas anderes. Dies ersetzt nicht den Arzt, verbessert nicht die Erkennung.

Teil 2. Und was ist mit der Statistik?

Kürzlich ist ein großartiger Artikel erschienen . Eine Metastudie darüber, welche Genauigkeit neuronale Netze erreichen und wie sie Menschen bekämpfen. Es enthält keine Antworten darauf, wie etwas implementiert / verwendet werden kann. Aber immerhin können Sie damit den neuesten Stand der Wissenschaft einschätzen.
Der endgültige Zeitplan des Artikels sieht ungefähr wie folgt aus (Genauigkeitsbewertung für alle Studien):



Es scheint, dass sogar Menschen deutlich verlieren! Vergessen Sie jedoch nicht, dass dies eine Metastudie ist, bei der die Punkte in der Grafik die endgültige Genauigkeit der Algorithmen darstellen.

Wenn wir die Artikel belassen, in denen die Bewertung von Personen und des Algorithmus auf einem identischen Datensatz basiert (es gibt nur 14 davon), ist das endgültige Diagramm viel interessanter:



Es ist ersichtlich, dass die Algorithmen bei einem angemessenen Vergleich fast die gleiche Genauigkeit wie professionelle Ärzte ergeben.

Aber vergessen Sie nicht ein paar Punkte:

1. Sie können ein Neuron nur in einer klar definierten Aufgabe trainieren. Wenn plötzlich ein seltsamer Mist auf dem Bild ist, wird der Arzt sofort verstehen und die Leistung des Neurons wird nicht bestimmt
2. Die Genauigkeit des Arztes hängt von den Qualifikationen ab. Dies wird ein Beispiel unten sein. Das Neuron gibt wahrscheinlich eine durchschnittliche Genauigkeit.
3. Das Neuron kann von der Methode / dem Trainingsset abhängig sein. Die Invarianz des Arztes ist viel größer.

Über die Genauigkeit von Ärzten. Ich stieß auf mehrere Studien, in denen die Genauigkeit von Ärzten analysiert wurde. Tatsächlich kann ein wirklich gutes Neuron ohne eine solche Studie nicht hergestellt werden. Von letzterem hat mir dieser sehr gut gefallen. Das Lesen von Mammographien ist einer der schwierigsten Bereiche in der Radiologie. Es ist notwendig, 4 Bilder aus verschiedenen Richtungen räumlich wiederherzustellen und zu verstehen, ob alles in Ordnung ist oder nicht. Ein Neuron liefert eine Genauigkeit von 87% bei der Klassifizierung von Kranken / Gesunden. Ärzte - von 70% bis 86%. Darüber hinaus hatten Ärzte laut der Studie Erfahrung mit dieser Aufgabe.

Diese Studie muss nicht auf alle anderen Aufgaben verallgemeinert werden. Aber ein cooler Moment ist sichtbar - "das Neuron hilft definitiv schlechten Ärzten." Aber die Guten sind etwas langsam.

Teil 3. Wo Neuronen in der Medizin wirklich helfen

Alles, was ich oben sagte, war eine Diskussion zum Thema "Neuronen und die Suche nach Pathologien". Lassen Sie uns ein paar Minuten abschweifen und über ein allgemeineres Thema sprechen - Neuronen und Medizin. Können Neuronen in der Medizin, bei der Bildanalyse helfen?

Und dann lautet die Antwort definitiv ja. Und es wird bereits aktiv genutzt. Aus den neuesten Beispielen (ich bringe hier russische rein medizinische Startups, die das Produkt erreicht haben):

UNIM ist ein Netzwerk von Labors, die an Biopsien forschen (Ärzte nennen dies pathologische Studien). Diese Studien sind ziemlich lang und trostlos. Der Arzt setzt sich und zählt die Anzahl der Zellen eines Typs, eines anderen Typs, die Anzahl der gefärbten Zellen usw. Noch vor ein paar Jahren wurden alle diese Berechnungen unter einem Mikroskop und mit einem Zähler in der Hand durchgeführt.

Dies wird durch Neuronen schnell und gut gelöst. Die Genauigkeit wird erhöht (etwas ist bereits möglich und die Anzahl der Zellen wird algorithmisch viel einfacher gezählt als mit den Augen + Sie können einen größeren Bereich in kürzerer Zeit bearbeiten). Und vor allem: Die Arbeitszeit des Arztes wird erheblich verkürzt.

DiagnoCat - CT-Scan für Zahnerkrankungen . Eine Person hat viele Zähne. Der behandelnde Arzt achtet normalerweise auf den Zahn, der heilt + für das, was ins Auge fällt. Niemand beschreibt alle 32 Zähne vollständig. Aber der Algorithmus kann. Dieser Ansatz erhöht die Konversion und verbessert den Endzustand der Patienten.

Nur in Russland habe ich 3-4 weitere Unternehmen / Startups gesehen, die erfolgreich maschinelles Lernen in medizinnahen Technologien eingeführt haben. Und diese Lösungen haben die Qualität der Dienstleistungen verbessert / ihren Preis gesenkt.
Das Hauptmerkmal solcher Startups ist, dass sie nicht "alle Probleme lösen", sondern "Datenverarbeitung beschleunigen" / "Effizienz verbessern".

Nachwort

Neuronale Netze kommen jetzt nicht mehr von einer Idee wie „Lass uns X erkennen“. Und von einer Idee wie "Wir geben eine Menge für Y aus -> können wir das irgendwie optimieren?". Nun, zum Beispiel, füllen Sie automatisch eine Diagnose aus, wenn wir viel Zeit mit dem Kritzeln verbringen. Leider verstehen das viele nicht.

Wird sich die Medizin in den nächsten 10 Jahren ändern? Ich denke, ja. Aber nicht aufgrund neuronaler Netze, sondern aufgrund von Informatisierung. Automatische Flusskontrolle, virtuelle Workstations, die alle Daten in einer gemeinsamen Datenbank zusammenfassen. Und Machine Vision ... Es wird selbst in den Projekten auftauchen, die davor wachsen werden. Ruhig und ruhig.