Les gens font souvent des erreurs - cela s'applique aux professionnels et aux débutants dans presque tous les domaines. Le coût des erreurs en médecine est particulièrement élevé, où un diagnostic incorrect peut entraîner des problèmes de santé ou même la mort du patient. Au contraire, avec le temps, la maladie est identifiée, le diagnostic correct vous permet d'attribuer le bon traitement, ce qui aidera à récupérer.
De plus en plus, l'intelligence artificielle est utilisée en médecine. Il aide à identifier les liens faibles et à traiter d'énormes quantités de données - une personne ne peut pas faire face à ces tâches. L'un des nouveaux développements est le
projet d'un groupe conjoint de spécialistes d'Allemagne, des États-Unis et d'Israël, qui permet de révéler une maladie héréditaire à partir d'une photographie d'une personne.
Les auteurs de l'ouvrage ont enseigné au réseau neuronal à reconnaître une maladie génétique avec un haut degré de précision - plus de 91%. Dans le même temps, le service est disponible sous forme d'application mobile, aucun équipement complexe n'est nécessaire.
En général, le diagnostic des maladies génétiques est une tâche difficile, même pour les experts dans ce domaine. Et pour un médecin ordinaire qui rencontre rarement des maladies exotiques, le diagnostic des maladies génétiques est presque impossible. Après tout, certaines maladies de nature génétique sont très rares, elles peuvent ne pas rencontrer le médecin pendant toute la durée de ses nombreuses années de pratique. Mais l'identification de ces maladies est une tâche cruciale pour la santé et la vie du patient.
Le système de reconnaissance faciale DeepGestalt, développé sous la direction de Yaron Gurovich de l'Université de Tel Aviv, a permis de diagnostiquer correctement plusieurs centaines de maladies génétiques en utilisant une seule photographie d'un patient. Comme dans de nombreux autres cas, lorsqu'il s'agit de travailler avec l'IA, les scientifiques ont utilisé un réseau neuronal convolutionnel. On lui a appris à diviser l'image en petits éléments d'une taille de 100 * 100 pixels.
De plus, se référant à la base de données, le système tente de déterminer la présence d'une maladie chez un patient à partir d'une photographie. Le diagnostic est probabiliste, les maladies avec le nombre maximum de correspondances sont indiquées.
Les scientifiques ont commencé petit - le réseau neuronal a été formé pour détecter le
syndrome de Cornelia de Lange . Il s'agit d'une maladie héréditaire qui se manifeste par un retard mental et de multiples anomalies du développement. La fréquence de la maladie est d'environ 1 sur 10 000. La maladie a été nommée d'après le pédiatre néerlandais Cornelia de Lange, qui a décrit le syndrome en 1933 sur la base d'une analyse de cinq cas de la maladie.
Le syndrome se manifeste sous la forme d'un retard mental et de malformations congénitales d'un certain nombre d'organes internes. Afin de vérifier la fiabilité de l'identification de la maladie, les scientifiques ont utilisé des milliers d'images de personnes sans syndrome. DeepGestalt a pu le diagnostiquer avec une précision de 97%. Il s'agit d'un indicateur très élevé, car dans d'autres projets, la précision n'a pas dépassé 87%.
La deuxième étape consistait à former le réseau neuronal pour diagnostiquer
le syndrome d'Angelman . Il se manifeste par un retard mental, des troubles du sommeil, des convulsions, des mouvements chaotiques (en particulier les mains), des rires ou des sourires fréquents. Cette maladie est également appelée «syndrome du persil» ou «syndrome de la poupée heureuse».
La troisième maladie que le réseau neuronal a appris à déterminer est le syndrome de Noonan, qui se manifeste également sous la forme de traits clairement visibles du visage et du corps de la personne. Certes, cette déviation est reconnue par le réseau neuronal avec une faible précision - seulement 64%.
De plus, DeepGestalt a été formé pour reconnaître de plus en plus de nouvelles maladies jusqu'à ce que le réseau neuronal soit capable de diagnostiquer plusieurs centaines de maladies génétiques de gravité variable. La formation s'est déroulée sur la base de près de 20 000 photographies. Le nombre total de maladies que DeepGestalt peut diagnostiquer atteint 216. Les scientifiques vérifient maintenant le fonctionnement du réseau neuronal en téléchargeant des photos de personnes malades (atteintes de maladies diagnostiquées) et en parfaite santé dans le système. La précision globale du réseau neuronal atteint 91%.
Les développeurs ont ouvert l'accès à leur produit à tout le monde. Le service s'appelle
Face2Gene , il sert d'assistant aux médecins. Les créateurs du projet conseillent de traiter le diagnostic posé par le système avec prudence et d'utiliser les informations reçues comme conseil, pas le dernier mot.