L'algorithme d'apprentissage en profondeur diagnostique le cancer de la peau pas pire qu'un dermatologue qualifié

Le deep learning est une méthodologie prometteuse pour l'enseignement des algorithmes, qui intervient dans un grand nombre de domaines (sécurité de l'information, analyse des résultats de recherche, reconnaissance d'images). Quant à la reconnaissance d'image, il ne s'agit pas seulement du fait que la machine peut distinguer un chat d'un chien, comme ce fut le cas avec le réseau neuronal de Google. Non, une technologie similaire peut être utile en médecine, en particulier en oncologie.

Des scientifiques de Stanford ont créé un systèmequi peut diagnostiquer en analysant une photographie de la peau du patient. Des tests récents ont montré des résultats impressionnants: l'algorithme diagnostiqué avec autant de précision que les dermatologues avec une vaste expérience et des qualifications sérieuses. Pour comparer les capacités de la technologie, les auteurs du projet ont demandé de faire un diagnostic par image des zones cutanées de différentes personnes par des dermatologues professionnels (avec vérification du diagnostic), puis les mêmes images ont été montrées à la machine.

«Nous avons créé un algorithme d'apprentissage en profondeur très puissant qui peut apprendre à l'aide de données», a déclaré Andre Esteva, l'un des auteurs de l'étude. «Au lieu de programmer en dur un tel système, nous le laissons prendre les décisions nous-mêmes.»

L'algorithme est appelé «réseau de neurones convolutionnels profonds». Ses capacités sont basées sur Google Brain., un projet Google conçu pour explorer la puissance de l'apprentissage automatique. La puissance de calcul du système Google Brain permet aux développeurs tiers de créer divers projets d'apprentissage automatique. Lorsque les scientifiques ont commencé à travailler, le réseau neuronal pouvait identifier plus de 1,28 million d'objets dans des images, divisés en plusieurs milliers de catégories différentes. Mais les chercheurs avaient un objectif clair - ils devaient former le réseau neuronal pour identifier correctement le carcinome et la kératose séborrhéique, et aussi pour enseigner au système à distinguer ces deux maladies l'une de l'autre selon des images avec des zones de peau humaine affectée.

De plus, l'ordinateur devait distinguer ces éléments des taches de vieillesse ordinaires, des éruptions cutanées et d'autres changements possibles dans la structure de la peau. Un médecin avec beaucoup de connaissances et d'expérience est capable de le faire presque sans erreur. Et les scientifiques se sont donné pour tâche d'éduquer un tel professionnel du réseau neuronal.



Le problème était également que les spécialistes n'avaient pas un échantillon suffisamment grandimages pour la formation du système. Par conséquent, ils ont dû créer leur propre base de données d'images. «Nous avons collecté des photos sur Internet et demandé aux médecins de nous aider à trier les images», explique l'un des auteurs de l'étude. Les auteurs ont pris des photos de sites étrangers, il était donc parfois tout simplement impossible de comprendre ce qui était écrit dans la description, car les textes d'accompagnement étaient en arabe, allemand, latin et autres langues.



Afin d'étudier l'état de la peau du patient, les dermatologues utilisent souvent un outil médical appelé dermatoscope. Il donne un certain niveau d'augmentation, afin que le médecin puisse voir la peau en détail. L'appareil fournit approximativement la même «image», de sorte qu'une photographie d'une zone cutanée prise avec cet outil est compréhensible pour tout dermatologue de n'importe quel pays dans le monde. Malheureusement pour les participants à l'étude, toutes les photos d'Internet n'ont pas été prises à l'aide d'un dermatoscope. L'angle de prise de vue, l'éclairage, le degré d'augmentation - tout cela était différent.

En conséquence, les scientifiques, analysant 130 000 images, ont identifié environ 2 000 différents types de maladies de la peau. Ils ont créé un ensemble de données pour une bibliothèque d'images, puis «alimenté» tous ces réseaux de neurones. Chaque image a été présentée dans un bloc séparé, un «pixel», avec une brève description de la maladie. Ensuite, l'algorithme a été «invité» à montrer les stades de développement de la même maladie, ayant déjà identifié des modèles d'agrandissement focal.


Différentes catégories d'images dans lesquelles l'algorithme a brisé la base de données originale de photos

Une fois que tout était prêt, les auteurs du projet ont comparé les résultats du diagnostic réalisé avec le système avec les résultats connus du diagnostic des maladies de la peau des patients par deux douzaines de dermatologues de la Stanford Medical School. Pour tester l'algorithme, les scientifiques n'ont utilisé que des images de haute qualité réalisées par des professionnels. La précision diagnostique était de 91%, à la fois pour l'algorithme et pour les médecins.

Les auteurs prévoient de développer progressivement leur développement. En particulier, les chercheurs souhaitent créer une application qui fonctionnera directement avec des photographies de zones cutanées présentant des problèmes que les patients eux-mêmes téléchargent. Selon les chercheurs, cela simplifiera l'accès aux services médicaux pour un grand nombre de patients. Et les smartphones ici peuvent être inestimables. «Mon principal point de vue chez Eureka était quand j'ai réalisé à quel point les smartphones seraient omniprésents», explique l'un des initiateurs du projet, décrivant le processus de mise en œuvre du travail d'une idée à un service fonctionnel. «Toute personne dispose désormais d'un ordinateur puissant avec de nombreux capteurs, dont un appareil photo. Et si vous pouviez l'utiliser pour prendre des photos de cancer de la peau ou d'autres types de maladies? »

Dans tous les cas, les chercheurs doivent effectuer plus de tests avant de finaliser leur technologie aux masses afin de finaliser l'algorithme. Dans ce cas, il est extrêmement important de savoir comment la machine classe les images.

«Les possibilités de classification assistée par ordinateur des images sont une excellente aide pour les dermatologues qui peuvent faire des diagnostics plus précis. Mais à long terme, il est nécessaire de confirmer les performances de l'algorithme, il est nécessaire de le faire avant de mettre en œuvre cette pratique dans les hôpitaux », a déclaré Susan Svetter, professeur de dermatologie à Stanford.

Source: https://habr.com/ru/post/fr400967/