Google, IBM et d'autres travaillent depuis longtemps pour créer l'IA (sa forme faible), qui pourrait analyser les images radiographiques. Pourquoi? Le problème est que les radiologues, et pas seulement eux, doivent passer beaucoup de temps à analyser des images médicales. Il y a beaucoup de telles images, mais vous devez les visualiser et donner votre réponse pour chacune pendant un certain temps.
Le spécialiste a très peu de temps pour analyser la même radiographie. Et c'est bien si le médecin est frais et alerte lorsqu'il regarde l'image. Mais que se passe-t-il si cela fonctionne déjà à la fin de la journée de travail, après avoir visionné quelques centaines des mêmes images? Le facteur humain est ici très fort et la probabilité d'erreur augmente plusieurs fois. Afin de faciliter la tâche du spécialiste, les scientifiques tentent également d'utiliser les capacités de l'intelligence artificielle.
Un autre problème pour les médecins qui consultent régulièrement des images médicales (pas nécessairement des radiographies) est l'erreur de «satisfaction de la recherche». Cela réside dans le fait que le médecin qui regarde la photo, après avoir découvert le problème, peut ne pas être engagé dans la recherche des autres, décider que son hypothèse est correcte et établir immédiatement un diagnostic. Les conséquences peuvent être assez graves pour le patient, étant donné que le problème identifié n'est pas toujours une manifestation de la maladie sous-jacente.
Maintenant, le développement d'un réseau neuronal qui permettrait de rechercher des manifestations de diverses maladies dans les images médicales a été
entrepris par une équipe de scientifiques dirigée par Andrew Un. Les spécialistes ont créé un réseau de neurones, qui a été formé à l'exemple d'une base de données composée de plusieurs dizaines de milliers d'images (près de 50 000) obtenues auprès de plus de 14 000 établissements médicaux. Dans le même temps,
chacune des images a été préalablement analysée par des médecins qui ont diagnostiqué et marqué la radiographie comme normale ou pathologique.
Les résultats du réseau neuronal et de trois radiologues-médecinsL'efficacité du réseau neuronal après la formation a été comparée au travail de trois radiologues et médecins. Il s'est avéré que, dans deux cas, le réseau neuronal n'a presque pas pris de retard sur une personne, et dans un - il l'a dépassé. En général, l'ordinateur a correctement détecté les dommages dans 74,9% des cas. Il convient de noter que les scientifiques ont découvert les résultats et les matériaux de leurs recherches dans le monde. Ainsi, la base de données sur laquelle le réseau neuronal a été formé est placée dans le domaine public et est disponible sur le site Web de Stanford. Il est prêt à être utilisé pour la formation d'autres réseaux de neurones.
Les réseaux de neurones fonctionnent également avec d'autres types d'images médicales. Par exemple, un réseau neuronal profond apprend à reconnaître les traces de la maladie dans des images de
tomographie par émission de positons du cerveau (TEP). Nous parlons de la maladie d'Alzheimer, qui se caractérise par l'apparition de plaques amyloïdes avec un ralentissement du métabolisme cérébral.
Auparavant, les scientifiques ont
découvert que certains types de scanners TEP sont capables de détecter des signes de ces conditions négatives. Par conséquent, la technologie peut fonctionner pour détecter une déficience cognitive légère chez l'homme, déficience qui conduit par la suite à la maladie d'Alzheimer.
Certes, il est assez difficile pour les scientifiques humains d'interpréter les images résultantes. Mais le réseau neuronal peut y faire face grâce à un ou deux marqueurs. Pour former le système informatique, les spécialistes ont utilisé des images cérébrales de 182 personnes âgées de 70 ans avec un cerveau sain et de 139 images cérébrales de personnes à peu près du même âge avec un diagnostic d'Alzheimer. En conséquence, l'IA a pu reconnaître la différence entre un cerveau sain et un cerveau malade, et l'a fait avec un haut degré de précision - supérieur à 90%.
Quant à Andrew Un et son équipe, ils
tentent d'utiliser les capacités du réseau neuronal et pour un autre projet. Nous parlons de patients atteints de maladies très graves, de patients et de thérapie palliative. Le réseau neuronal essaie de prédire la gravité de l'état du patient (nous parlons principalement de personnes très âgées). Si nous parlons d'une maladie évolutive, qui donne au patient pas plus d'un an de vie, alors une équipe de thérapeutes palliatifs entre en action qui essaie d'éliminer dans une certaine mesure les manifestations négatives de la maladie (douleur, état psychologique, etc.). Le problème est que l'équipe doit venir travailler à un certain moment afin de maximiser l'effet. Et ici, le réseau neuronal montre également un succès significatif.
En général, l'IA (sa forme faible) est désormais considérée par les scientifiques comme un médecin assistant, et non comme une alternative, si je puis dire. Les réseaux de neurones aident un spécialiste à identifier différents types de problèmes, et déjà un médecin humain établit un diagnostic précis, en utilisant l'aide de ses assistants numériques. En conséquence, le temps est gagné et la précision du diagnostic est augmentée. Au fil du temps, les réseaux de neurones deviendront des assistants médicaux fiables - aujourd'hui, cette pratique est de nature expérimentale, mais les résultats obtenus inspirent un optimisme sain dans les capacités de la technologie informatique dans un domaine tel que les soins de santé.